视觉SLAM——三位空间刚体运动复习（一）

1. 刚体运动位姿包括两方面：
   . 位置 $(x,y,z)$-----点
   . 姿态（朝向）-------向量

2. 坐标的具体取值一是和向量本身有关，一是和坐标系的选取有关。
   线性坐标的基$(e_1,e_2,e_3)$,那么向量a 在这组基下的坐标为: a = $[x,y,z]$ $[a_1,a_2,a_3{]}^T$

3. 内积（cos）描述向量间投影关系，外积（sin）的方向垂直与两个向量，大小是两个向张成四边形的有效面积。外积可用反对称矩阵表示，例a X b 可以表示成矩阵与向量的乘法a ^ b；外积只对3维向量存在定义，可用来表示向量旋转。

4. 欧式变换 单位正交基$(e_1,e_2,e_3)$，经过一次变换变成了$(e_1^{{}^{\prime }},e_2^{{}^{\prime }},e_3^{{}^{\prime }})$；对于同一个向量 a 在两个坐标系下的坐标为$[a_1,a_2,a_3{]}^T$ 和$[a_1^{{}^{\prime }},a_2^{{}^{\prime }},a_3^{{}^{\prime }}{]}^T$，所以有：$[e_1,e_2,e_3]$$[a_1,a_2,a_3{]}^T$ = $[e_1^{{}^{\prime }},e_2^{{}^{\prime }},e_3^{{}^{\prime }}]$ $[a_1^{{}^{\prime }},a_2^{{}^{\prime }},a_3^{{}^{\prime }}{]}^T$， 等式两边同时左乘$[e_1,e_2,e_3]$，就得到a = R $a^{{}^{\prime }}$ , 矩阵R是由两组基的内积组成，刻画了旋转前后同一个向量的坐标变换关系，称为旋转矩阵。旋转矩阵特殊性质行列式为1的正交矩阵。SO(n) 称为特殊正交群，由于$R$ 是正交矩阵， 所以逆和转置等价，都表示旋转。即 $a^{{}^{\prime }}=R^{-1}a=R^{T}a$
   (1) S O ( n ) = { R ∈ R n ∗ n ∣ R R T = I , d e t ( R ) = 1 } SO(n)=\{ R \in \Bbb {R}^{n*n} | RR^T = I ,det(R) = 1\}\tag1 SO(n)={R∈Rn∗n∣RRT=I,det(R)=1}(1)

5. 加上平移就可以在欧式变换中表示相机的运动了，即 $a^{{}^{\prime }}=Ra+t$, t 为相机平移。上式多次计算会变得复杂，所以引入齐次坐标概念，在三维相量的末尾加1，使其变为四维。引入特殊欧式群SE3。同样该矩阵的逆表示反向的变换。