视觉SLAM14讲 第二章 三维空间的刚体运动

点与坐标系、旋转矩阵、旋转向量和欧拉角、四元数

以及我们要学习一个很重要的库：矩阵运算库Eigen

---

Eigen

主要会用到 Core、Dense、Geometry

Core：主要做矩阵的表达、矩阵

Dense：支持关于稠密矩阵的计算、求逆、矩阵分解，关于算法在这里

Geomery：旋转矩阵、欧拉角、四元数和三维几何有关的部分，给予支持

---

1.点与坐标系

   2D的情况：两个坐标+旋转角

   3D：不同的表达方式

   右手系的判断方法。

内积（点积）

内积后得到一个常量。两个向量正交，内积=0

外积（叉积）

外积后得到一个向量，垂直于两个分量。

可以写成系数矩阵与b做矩阵乘法。a^b=a叉乘b

当a,b平行，最后将会得到0向量。

---

2.旋转矩阵

问题：

如何描述坐标系与坐标系之间的变化？

如何计算同一个向量在不同坐标系里的坐标？

SLAM中： • 固定的世界坐标系和移动的机器人坐标系 • 不同的传感器坐标系

2.1描述平移：v2=v1+v

2.2用旋转矩阵描述旋转

由于向量是不变的，可以得到等式1，通过两边同乘，就可以得到式2. 其中3x3为旋转矩阵R。

两个坐标系间的运动可用R,t完全描述

欧拉定理（Euler’s rotation theorem）：刚体在三维空间里的一般运动，可分解为刚体上方某一点的平移，以及绕经过此点的旋转轴的转动。

2.3 齐次坐标和变换矩阵

引入齐次坐标是为了能够方便的运用矩阵乘法。

扩展矩阵，把平移加入矩阵中。

齐次坐标乘任意非零常数时仍表达同一坐标

---

3.旋转向量和欧拉角

     欧拉角直观，能看出怎么转的。分解成三个方向的转动。

     YPR p=90

     由于万向锁，所以欧拉角不适合插值或者迭代，适合人交互。