【传感器融合理论】标定基础知识（外积，旋转矩阵，欧拉角，四元数）

目录

外积

 欧式变换

旋转矩阵和旋转向量

欧拉角

四元数

参考

---

外积

从计算上来讲，外积就是两个向量的向量积，公式如下：

 其中：i,j,k 分别为基向量：[1,0,0],[0,1,0],[0,0,1]

 在三维几何中，向量a和向量b的外积结果是一个向量，更为熟知的叫法是法向量，该向量垂直于a和b向量构成的平面。在传感器标定上，可以使用外积进行坐标系转换。

 欧式变换

在自动驾驶中，往往需要有一个统一的坐标系，通常称为车体坐标系（有些也叫世界坐 标系），如下图中的 xw ,yw ,zw 定义的坐标系；同时，各传感器也都有各自的坐标系，假设相机坐标系，如下图中xc ,yc ,zc 定义的坐标系。 那么在相机视野中的某个向量坐标为 pc ，在世界坐标系下坐标则为 pw 。相机运动时，两个坐标之间的转换关系由变换矩阵 T 来表示

 假设相机为刚性运动，那么同一个向量在各个坐标系下的长度和夹角不会发生变化，这种变换就可以称为欧式变换（由旋转+平移两部分组成）。

旋转矩阵和旋转向量

这位老哥，写的非常经典。

旋转变换（一）旋转矩阵_Frank的专栏-CSDN博客_旋转变换矩阵

欧拉角

旋转变换（二）欧拉角_Frank的专栏-CSDN博客_欧拉旋转

四元数

旋转变换（三）四元数_Frank的专栏-CSDN博客_旋转四元数

参考

向量点乘（内积）和叉乘（外积、向量积）概念及几何意义解读_牧野的博客-CSDN博客_向量点乘