视觉SLAM十四讲之第3讲学习笔记

本节目标

三维刚体运动的描述方式，重点是旋转以及Eigen库的矩阵、几何模块的使用方法

3.1 旋转矩阵

3.1.1 点和向量，坐标系

刚体：不光有位置，还有姿态

向量内积：

向量外积：

反对称矩阵：a^ 表示a的反对称矩阵，它可以将axb写成矩阵相乘的形式a^ b，把向量叉乘变成线性运算。
左手系和右手系：

3.1.2 坐标系间的欧式变换

欧式变换：相机运动是一个刚体运动，它保证了同一向量在各个坐标系下的长度和夹角都不会发生变化，这种变换称为欧式变换。
例子：想象你把手机抛到空中，在它落地摔碎之前，只可能有空间位置和姿态的不同，而它自己的长度、各个面的角度等性质不会有任何变化

先考虑旋转，假设某个单位正交基(e₁,e₂,e₃)经过一次旋转变成了(e’₁,e’₂,e’₃)，那么同一个向量它在两个坐标系下的坐标为[a₁,a₂,a₃]^T和[a’₁,a’₂,a’₃]。

对上式左右同事左乘

可以得到

旋转矩阵：将中间的矩阵R取出来，这个矩阵有两组基的内积组成，刻画了旋转前后同一个向量的坐标变换关系，只要旋转一样，这个矩阵也是一样的，这个矩阵描述了旋转本身，因此它被称为旋转矩阵。
特殊正交群：旋转矩阵是一种特殊的正交群

旋转矩阵的逆（转置） 描述了一个相反的旋转：

欧式空间的坐标变换关系：一个旋转矩阵R和一个平移向量t完整地描述了一个欧式空间的坐标变换关系：

3.1.3 变换矩阵与齐次坐标

3.8式完整的表达了欧式空间的旋转与平移，但是不是线性关系，这样的形式变换多次后过于复杂。

因此引入齐次坐标和变换矩阵重写式

齐次坐标：我们把一个三维向量末尾添加1，变成四维向量，称为齐次坐标
变换矩阵：我们可以把旋转和平移写在一个矩阵里面，使得整个关系变成线性关系
齐次坐标的唯一表示：在齐次坐标中，一个点的表示可以有很多种，但当最后一项不为零时，我们总可以把所有坐标除以最后一项，从而得到一个点的唯一坐标表示（也就是转成非齐次坐标）

这样两次变换的累加就有很好的形式：

往后默认b = Ta就是齐次坐标关系
变换矩阵是一种特殊的欧式群：

变换矩阵的逆：

3.2 实践：Eigen

熟悉Eigen矩阵的基本运算

3.3 旋转向量和欧拉角

3.3.1 旋转向量

矩阵表示旋转的缺点：

1. 旋转矩阵有9个量，但一次旋转只有3个自由度
2. 旋转矩阵自身带有约束，它必须是个正交阵，而且行列式是1，我们估计或优化它时，这些约束会使得求解变得更困难。

旋转向量：任意旋转都可以用一个旋转轴和一个刻度角来刻画，于是，我们可以使用一个
向量，其方向与旋转轴一致，而长度等于旋转角
旋转向量转成旋转矩阵，使用罗德里格斯公式

旋转矩阵转成旋转向量：

3.3.2 欧拉角

旋转矩阵和旋转向量的缺点：不直观
欧拉角

缺点：存在万向锁问题：在俯仰角为±90◦ 时，第一次旋转与第三次旋转将使用同一个轴，使得系统丢失了一个自由度（由三次旋转变成了两次旋转）

3.4 四元数

3.4.1 四元数的定义

旋转矩阵用9个量描述3个自由度，具有冗余性，欧拉角和旋转向量是紧凑的，但是具有奇异性。为了克服它们的缺点，因此提出了四元数。
四元数定义：



单位四元数：模为1的四元数
旋转向量到四元数的转换：

四元数到旋转向量的转换：

3.4.2 四元数的运算

更简洁的形式

3.4.3 用四元数表示旋转

假设一个空间三维点p=[x,y,z]∈R³，以及一个由轴角n,$\theta$指定的旋转，经过旋转后p变成p’，如果用旋转矩阵描述有p’ = Rp，如果用四元数描述，首先把三维空间点用一个虚四元数来描述：

然后参考式(3.19)，用四元数表示旋转

那么旋转后的p’即可表示成这样的乘积

3.4.4四元数到旋转矩阵的转换

值得注意的是同一个R对应的四元数表示并不是唯一的。

3.5 相似、仿射、射影变换

1. 相似变换
   相似变换比欧式变换多了一个自由度，它允许物体进行均匀的缩放，矩阵表示为
   
   旋转部分多了一个缩放因子，表示对向量旋转之后，可以在x,y,z三个坐标上进行均匀地缩放，可以想象一个边长为1的立方体通过相似变换后变成边长为10的立方体。
2. 仿射变换
   
   仿射变换只要求A是一个可逆矩阵，而不必是正交矩阵，仿射变换也不是正交变换。可以想象一个立方体经过仿射变换后不在是方的，但是各个面仍然是平行四边形。
3. 射影变换
   
   A为可逆矩阵，右上为平移t，左下是缩放a^T。由于采用齐次坐标，当v不是0时可以整个矩阵除以v得到一个右下角为1的矩阵，否则得到右下角为0的矩阵。因此2D的映射变换有8个自由度，3D的映射变换有15个自由度。映射变换是最一般的变换，真实世界到相机相片的变换可以看成是映射变换，原本一个方形的地板砖，在照片中首先不是方的，而且由于近大远小的原因，它甚至不是平行四边形，而是一个不顾则的四边形。

各种变换总结如下：

3.6 实践：Eigen几何模块

3.7 可视化演示