视觉Slam笔记I

第二讲-三位空间刚体运动

点与坐标系:

基础概念:

  • 坐标系:左手系和右手系。右手系更常用。定义坐标系时,会定义世界坐标系,相机坐标系,以及其他关心对象的坐标系。空间中任意一点可由空间的基的线性表出。

  • 加减法:用坐标描述更方便。

  • 内积:点乘得数,即

  • 外积:叉乘得向量,即右手系下,得到按照右手定则获取的向量。

  • 坐标系间的变换:

    通过平移(向量的加减)和旋转(有多种描述方式,见下)

  • 2D情况:二维坐标点表示位置+一个旋转角表示朝向。

  • 3D情况:三维坐标点表示位置+一个旋转角(角度间的变换使用旋转,旋转方式有多种,见下)。

旋转矩阵:(描述旋转的第一种方式)

坐标系 (e_1,e_2,e_3)经过旋转变成 (e'_1,e'_2,e'_3),在三维空间中,向量 a保持不动,那么如何表出它在 (e'_1,e'_2,e'_3)下的坐标:

  1. 线性表出法向量 a坐标:两坐标系实质是分别用两组不同的基去表示同一个点,则两者的线性组合是相等的:
  2. 左右两边同时左乘 (e_1,e_2,e_3)的转置,得到:
  • R即为旋转矩阵
  • 性质:
    • R是一个正交矩阵(矩阵的逆即矩阵的转置,或转置×本身即为一个单位矩阵)。
    • R的行列式值为1。
  • 满足上述性质的矩阵都可以称为旋转矩阵,使用集合表示: ,又称特殊正交群SO(3)。
  • 固定表示方式(下标顺序):且满足矩阵关系:

因此,空间中不同坐标系下点坐标的变换可以使用:即旋转+平移的形式完全描述

  • 理论依据:欧拉定理,刚体在三维空间中的一般运动,可分解为刚体上方某一点的平移,以及绕经过此点的旋转轴的转动。

但是,这种表示方式在多次进行变换时会有不便(),因此使用增广的方式进行表示:

  • 其中,称为变换矩阵,的形式称为齐次坐标。
  • 齐次坐标性质:齐次坐标乘上任意非0常数时仍表达同一坐标
  • 变换矩阵的集合:称为特殊欧式群SE(3):

旋转向量和欧拉角:

旋转矩阵在实际中更常用,但这些概念也是需要清楚的。

旋转矩阵R是一个3×3的矩阵,有九个元素,但仅有三个自由度,也就是存在描述方式上的冗余,那么能否以更少的元素表达旋转?

刚体旋转存在一个转轴(向量),还有转过的角度,于是想用角度乘以向量(单位化过后)的形式去描述旋转。

旋转向量
  • 一个向量,方向为旋转轴方向,长度为转过的角度。(单位向量乘角度大小)

  • 又称角轴/轴角。

  • 罗德里格斯公式可以将旋转向量(n,theta)转换成旋转矩阵R:

  • 旋转矩阵R也可以转换成旋转向量(n,theta):n是特征向量。

欧拉角
  • 将旋转分解成三个方向上的转动,常用顺序为yaw-pitch-roll(也就是绕Z-Y-X方式转,注意 ,不同地方在绕Z转之后,所绕的Y轴可能是原来的Y轴,也可能是转动后的Y轴)
  • 万向锁(Gimbal Lock):欧拉角存在奇异性(特定值下,旋转的自由度减1)
  • 在pitch方向旋转完毕后,roll方向旋转和yaw方向旋转是重合的。由此,欧拉角不适合插值或迭代,故不常用。

四元数:

吸取了旋转矩阵和旋转向量、欧拉角的优点,是一种优秀的描述方式。

  • 2D情况下,可以用单位复数表达旋转:

\[z=x+iy=\rho e^{i\theta}
\]

  • 用z乘以i,相当于旋转了90度(),乘-i转动-90度。

在三维情况下,四元数可作为扩充定义的复数

  • 特点1:有三个虚部+一个实部

  • 特点2:虚部之间存在关系:

  • 单位四元数可以表达三维空间的旋转:

  • 四元数也能定义很多运算:

  • 四元数转换成旋转向量:

  • 旋转向量转换成四元数:

  • 用四元数表示旋转:

Slam笔记I的更多相关文章

  1. 非滤波单目视觉slam笔记1

    非滤波单目视觉slam 主要分为以下8部分 数据类型 数据关联 初始化 位姿估计 地图维护 地图生成 失效恢复 回环检测 数据类型 直接法(稠密,半稠密) 基本原理是亮度一致性约束,\(J(x,y) ...

  2. SLAM笔记

    1.matrix.preTranslate()和matrix.postTranslate()的区别 matrix.preTranslate(matrix_1); matrix.postTranslat ...

  3. ROS_RGB-D SLAM学习笔记--室内环境测试

    ROS_RGB-D SLAM学习笔记 RTAB-Map's ros-pkg. RTAB-Map is a RGB-D SLAM approach with real-time constraints. ...

  4. Learning ROS for Robotics Programming Second Edition学习笔记(十) indigo Gazebo rviz slam navigation

    中文译著已经出版,详情请参考:http://blog.csdn.net/ZhangRelay/article/category/6506865 moveit是书的最后一章,由于对机械臂完全不知,看不懂 ...

  5. Learning ROS for Robotics Programming Second Edition学习笔记(三) indigo rplidar rviz slam

    中文译著已经出版,详情请参考:http://blog.csdn.net/ZhangRelay/article/category/6506865 Learning ROS for Robotics Pr ...

  6. SLAM学习笔记

    ORB_SLAM2源码: 获得旋转矩阵,来自这里:http://www.cnblogs.com/shang-slam/p/6406584.html 关于Covisibility图来自:http://b ...

  7. ROS进阶学习笔记(11)- Turtlebot Navigation and SLAM - ROSMapModify - ROS地图修改

    ROS进阶学习笔记(11)- Turtlebot Navigation and SLAM - 2 - MapModify地图修改 We can use gmapping model to genera ...

  8. 三维重建7:Visual SLAM算法笔记

    VSLAM研究了几十年,新的东西不是很多,三维重建的VSLAM方法可以用一篇文章总结一下. 此文是一个好的视觉SLAM综述,对视觉SLAM总结比较全面,是SLAM那本书的很好的补充.介绍了基于滤波器的 ...

  9. SLAM学习笔记(2)SLAM算法

    SLAM算法分为三类:Kalman滤波.概率滤波.图优化 Kalman滤波方法包括EKF.EIF:概率滤波包括RBPF,FastSLAM是RBPF滤波器最为成功的实例, 也是应用最为广泛的SLAM方法 ...

随机推荐

  1. 一致性 Hash 算法分析

    当我们在做数据库分库分表或者是分布式缓存时,不可避免的都会遇到一个问题: 如何将数据均匀的分散到各个节点中,并且尽量的在加减节点时能使受影响的数据最少. Hash 取模 随机放置就不说了,会带来很多问 ...

  2. C2C的道德边界:沦为从假运单到假病条的供假渠道

    你可能刚开始学会不去看网购平台上商品回评中的虚假好评,却又要开始应对同事在朋友圈等平台买来的虚开病假条带来的困扰.最近各大媒体包括党报热传的网购病假条事件,再度将人们的目光集中在这个C2C模式之上.从 ...

  3. JavaScript 核心学习——继承

    本篇博文讲述如何在 JavaScript 中实现继承,以及原型与原型链的知识,在附录中将会讲述 JavaScript 面向对象的常见错误. ##原型与原型链在 JavaScript 中,使用类将会付出 ...

  4. 使用TensorFlow训练自己的语音识别AI

    这次来训练一个基于CNN的语音识别模型.训练完成后,我们将尝试将此模型用于Hotword detection. 人类是怎样听懂一句话的呢?以汉语为例,当听到"wo shi"的录音时 ...

  5. 7——PHP选择结构

    */ * Copyright (c) 2016,烟台大学计算机与控制工程学院 * All rights reserved. * 文件名:text.cpp * 作者:常轩 * 微信公众号:Worldhe ...

  6. scrapy爬虫-代理IP中间件

    class ProxyDownloaderMiddleware(object): # Not all methods need to be defined. If a method is not de ...

  7. Java基础IO流 ,文件读取,由易至难

    最基础的读取文件 import java.io.File;import java.io.FileInputStream;import java.io.FileNotFoundException;imp ...

  8. 在Shadow DOM使用原生模板

    原生模板的优势 延迟了资源加载 延迟了加载和处理模板所引用的资源的时机,这样,用户就能够在模板中使用任意多的资源,却不阻碍页面的渲染. 延迟了渲染内容 无论模板在什么位置,浏览器不会把模板中的内容直接 ...

  9. Nginx的工作原理

    Nginx 工作原理 Nginx由内核和模块组成. Nginx本身做的工作实际很少,当它接到一个HTTP请求时,它仅仅是通过查找配置文件将此次请求映射到一个location block,而此locat ...

  10. Codeforces Round #292 (Div. 2) C. Drazil and Factorial 515C

    C. Drazil and Factorial time limit per test 2 seconds memory limit per test 256 megabytes input stan ...