视觉SLAM十四讲笔记三(第四讲)

1、引言

在第三讲中介绍了旋转矩阵R、旋转向量、欧拉角、四元数若干种方式,这些仅是对旋转的表示,除了表示我们还需进行估计和优化,因为在SLAM中位姿是未知的,我们需要解决:什么样的相机位姿最符合当前的观测数据,这类问题可以转化为优化问题,即求解最优的R、t 使误差最小化

但是因为旋转矩阵是有约束的,所以优化变为有有约束优化,这是不好的,由此便引入李代数将其变为无约束优化。

2、李代数与李代数基础

特殊正交群: So(n)=\left \{ R\in R^{n\times n}|RR^{T}=I,det(R)=1 \right \}

特殊欧式群:SE(3)=\left \{T=\begin{bmatrix} R & t\\ 0 & 1 \end{bmatrix}\in R^{4\times 4}|R\in SO(3),t\in R^{3} \right \}

上节介绍了旋转矩阵构成了特殊正交群,变换矩阵构成了特殊欧氏群,如果大家不熟悉,可以回顾我写的==>第三讲<==

旋转矩阵和变换矩阵的缺点:对加法是不封闭的(任意两个旋转矩阵相加不再是一个旋转矩阵)

群的概念:只有一个良好运算的集合(旋转矩阵对加法不封闭,但对乘法封闭(良好运算),=>只有一个良好运算)实在不懂的可以学习下矩阵论。

李群:具有连续(光滑)性质的群。

而刚体能够在空间中连续的进行运动,因此s(O)_{3},s(E)_{3},都是李群。由此便引入了李群的概念。

3、李代数的引出

式4.10里面的ϕ 正是对应到 SO(3) 上的 李代数 so(3)

 每一个李群都有与之对应的李代数,且李代数描述了李群的局部性质。

李括号:群中较为简单的二元运算

李代数SO(3)

上文已经推导出李代数SO(3),下面给出具体的定义

下面我们说,之前提到的 ϕ,事实上是一种李代数。SO(3) 对应的李代数是定义在 R3 上的向量,我们记作 ϕ。根据前面的推导,每个 ϕ 都可以生成一个反对称矩阵:

李代数SE(3)

 4、指数与对数映射

在此我直接给出SO(3)与SE(3)的指数映射,具体推导过程不再给出。(知道这个概念就好

 SO(3)的指数映射:

SE(3)的指数映射:

我们看到,平移部分经过指数映射之后, 发生了一次以 J 为系数矩阵的线性变换。请读者重视这里的 J,因为我们后面还要用到它。

最后总结下李群与李代数的关系图

5、 李代数求导与扰动模型

使用李代数是为了优化,有了李代数就可以进行无约束优化,而李代数无法进行乘法,因此引入BHC近似(一个新概念)。

两个李代数指数映射乘积的完整形式,由 Baker-Campbell-Hausdorff 公式(BCH 公 式)①给出。由于它完整的形式较复杂,我们给出它展开式的前几项:

李代数求导

第一种求导后仍然具有较复杂的参数,由此只介绍第二种求导方式

扰动模型求导

6、SE(3)李代数求导 

 7、矩阵求导顺序

 \frac{d\begin{bmatrix} a\\ b \end{bmatrix}}{d\begin{bmatrix} x\\ y \end{bmatrix}}=\left ( \frac{d\begin{bmatrix} a & b \end{bmatrix}^{T}}{d\begin{bmatrix} x\\ y \end{bmatrix}} \right )^{T}=\begin{bmatrix} \frac{da}{db} &\frac{db}{da} \\ \frac{da}{dx} & \frac{db}{dy} \end{bmatrix}^{T}=\begin{bmatrix} \frac{da}{dx} &\frac{da}{dy} \\ \frac{db}{dx} & \frac{db}{dy} \end{bmatrix}

 8、Sophus模板安装:

1、下载fmt===>fmt

2、编译fmt

cd fmt-8.1.1
mkdir build
cd build
cmake ..
make
sudo make install

 3、Sophus模板安装

git clone https://github.com/strasdat/Sophus.git
cd Sophus
mkdir build
cd build
cmake ..
make
sudo make install

在《视觉SLAM十四》中,章节安排如下: 1. 数学基础部分:介绍这本书的基本信息,包括自测题。概述SLAM系统的组成和各模块的工作。介绍维空间运动、李群和李代数、针孔相机模型以及非线性优化。完成一个曲线拟合的实验。 2. SLAM技术部分:解特征点法的视觉里程计,包括特征点的提取与匹配、对极几何约束的计算、PnP和ICP等方法。学习直接法的视觉里程计,包括光流和直接法的原理,并使用g2o实现一个简单的RGB-D直接法。构建一个视觉里程计框架,解决优化和关键帧选择的问题。深入讨论后端优化,包括Bundle Adjustment和位姿图的优化。介绍回环检测和地图构建的方法。最后,介绍当前的开源SLAM项目和未来的发展方向。 另外,对于四元数的学习,可以先了解复平面的概念。复平面是一个用来描述复数的平面,其中实部和虚部分别对应平面的横坐标和纵坐标。了解复平面后,可以开始学习四元数的概念和应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [视觉SLAM十四笔记](https://blog.csdn.net/dada19980122/article/details/111404967)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【视觉SLAM十四笔记【逐行代码带你解析】【适合纯小白 ps:因为我就是】(持续更新中)](https://blog.csdn.net/R_ichun/article/details/131964588)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值