首先,对于绕坐标轴分别旋转θ角度对应的旋转矩阵
有:
这里以机器人做二维平面运动举例,其只有绕Z轴的旋转。在SLAM中,我们一般将参考系(即机器人第一帧的坐标系,亦称世界系)观测的点坐标,重投影到移动机器人当前坐标系对应的点坐标
,这两个坐标值虽然不一样,但它们都表示空间中同一个点
。假设,参考系到机器人当前坐标系的相对变换为
,然后有:
将上式(1)写成齐次坐标表示,令,由于只考虑二维平面情况,所以有:
上式(2)展开后与(1)式效果是一样的。那么,这里的是机器人在参考系下的位姿吗?刚开始我想当然的以为是,实际上不是的!!!
由上面的式子(1)可以看出,通过先旋转、再平移操作可以求得同一个空间点在不同坐标系下的表示,下面,我们反其道而行之,从几何意义上计算
到
的变换,如下图所示:
设参考系到机器人当前坐标系的
的位姿变换为
,坐标系
是
平移
,使得其原点与
重合得到的。
点在
的坐标为
,在
的坐标为
;点
在
的坐标为
,在
的坐标为
。根据坐标定义可知:
,根据几何关系有:
又因为,所以上式可以改写为:
又因为, 最终用齐次坐标系表示可以得到:
, 恰好说明,当将机器人当前坐标系的点
投影到参考系点
的变换
是机器人在参考系下的位姿。相反地
则不是。

本文探讨了在SLAM(Simultaneous Localization And Mapping)中,如何进行坐标系之间的点变换。通过旋转和平移矩阵,解释了如何将参考系中的点坐标转换到机器人当前坐标系,并指出这种变换并不直接代表机器人的位姿。文章通过几何意义反向推导,说明了如何从坐标变换得到机器人在参考系下的位姿,强调了位姿变换的正确理解与计算方法。
760

被折叠的 条评论
为什么被折叠?



