【原创】SLAM学习笔记（四）李群和李代数

一、李群与李代数

1、群

定义：群是一种集合加上一种运算的代数结构。我们把集合记作$A$，运算记作·，那么群可以记作$G=(A,\cdot )$。群要求这个运算满足以下几个条件：

• 封闭性：$\forall a_1,a_2\in A,a_1\cdot a_2\in A$
• 结合律：$\forall a_1,a_2,a_3\in A,(a_1\cdot a_2)\cdot a_3=a_1\cdot (a_2\cdot a_3)$
• 幺元：$\exists a_0\in A,\forall a\in A,a_0\cdot a=a\cdot a_0=a$
• 逆: $\forall a\in A,\exists a^{-1}\in A,\forall a\cdot a^{-1}=a$

例如：整数和加法就可以组成一个群

2、李群与李代数

李群：具有连续（光滑）性质的群
李代数：由集合$\mathbb{V}$和数域$\mathbb{F}$以及二元运算$[,]$组成，且满足以下条件

• 封闭性：$\forall X,Y\in \mathbb{V},[X,Y]\in \mathbb{V}$
• 双线性：$\forall X,Y,Z\in \mathbb{V},a,b\in F,[aX+bY,Z]=a[X,Z]+b[Y,Z],[Z,aX+bY]=a[Z,X]+b[Z,Y]$

3. 自反性：$\forall X\in \mathbb{V},[X,X]=0$
4. 雅可比等价：$\forall X,Y,Z\in \mathbb{V},[X,[Y,Z]]+[Z,[X,Y]]+[Y,[Z,X]]=0$

李群和李代数在刚体运动中应用

对于任意的旋转矩阵$R$，有如下性质，
$$R{R}^T=1\text{\hspace{1em}(1)}$$
。认为刚体在空间中是连续运动的，则可以认为旋转矩阵$R$是一个随着时间t变化的函数，即
$$R(t)R(t{)}^T=I\text{\hspace{1em}(2)}$$
，同时对其两边进行求导可得，
$$\dot{R}(t)R^T(t)+R^T(t)\dot{R}(t)=0\text{\hspace{1em}(3)}$$
即（等式3由矩阵乘法$AB=(B^T{A}^T{)}^T$得到）
$$\dot{R}(t)R^T(t)=-(R^T(t)\dot{R}(t))=-(R{\dot{R}}^T(t){)}^T$$
由之前的反对称矩阵性值的知识可以看出$\dot{R}(t)R^T(t)$就是一个反对称矩阵，则此时等式两边同时右乘$R(t)$可得到，
$$\dot{R}(t)=\varphi \hat{}(t)R(t)$$
设有随时间变化的旋转矩阵函数$R(t)$，$t=t_0$时刻$R(0)=I$，则在$t=0$附近将此函数进行泰勒展开
$$R(t)\approx R(t_0)(t-t_0)=I+\varphi \hat{}(t_0)(t)$$
设$\varphi \hat{}(t_0)$在0时刻为常量$\varphi {\hat{}}_0$则
$$\dot{R}(t)=\varphi {\hat{}}_{0}R(t)$$
可以解得该微分方程
$$R(t)=\exp (\varphi {\hat{}}_{0}t)$$
由上述推导可以说明：只要给定一个时刻的$R$，就可以求出对应的向量$\varphi$，且向$\varphi$量就是R对应的李代数

李代数so(3)

SO(3)对应的李代数是定义在${\mathbb{R}}^3$上的向量，我们记作$\varphi$。根据前面的推倒，每一个$\varphi$都可以写成一个反对称矩阵：
$$\Phi =\varphi \hat{}=\left(\begin{array}{ccc}0& -{\varphi }_3& {\varphi }_2\\ {\varphi }_3& 0& -{\varphi }_1\\ -{\varphi }_2& {\varphi }_1& 0\end{array}\right)\in {\mathbb{R}}^{3x3}$$
在此定义下，两个向量${\varphi }_1$,${\varphi }_2$的李括号为
$$[{\varphi }_1,{\varphi }_2]=({\Phi }_1{\Phi }_2-{\Phi }_2{\Phi }_1{)}^{\vee }$$

(${}^{\vee }$为${}^{\wedge }$的逆运算)

由于向量$\varphi$和反对称矩阵一一对应，就说$so(3)$的元素是三为向量或者三为向量的反对称矩阵不加区别：
s o ( 3 ) = { ϕ ∈ R 3 , Φ = ϕ ∧ ∈ R 3 × 3 } so(3)=\{\phi\in\mathbb R^3, \Phi=\phi^\land\in\Bbb R^{3\times3}\} so(3)={ϕ∈R3,Φ=ϕ∧∈R3×3}

每个向量对应反对称矩阵，可以用表达旋转矩阵的导数，它与$SO(3)$的关系由指数映射给定
$$R=\exp ({\varphi }^{\wedge })$$

python实现

• liepack
  github地址
  pypi地址
  这个是基于numpy的李群、李代数库

比如以下的demo

from liepack.liepack import so

so3 = so(3)
so3.set_vector([1,2,3])
print(so3)

print(so(3, [[ 0.,-3.,2.],
 [ 3.,0.,-1.],
 [-2.,1.,0.]]).get_vector())

由于这个so(3)基于继承了np.ndarray, 直接可以进行矩阵运算，十分好用。