四元数旋转与矩阵旋转

【机器人学】四元数与旋转矩阵的相互转换 1. 从四元数到旋转矩阵 为了将角位移从四元数形式转换到矩阵形式,可以利用以下矩阵,它能计算绕任意轴的旋转: R(n,θ)=[p′q′r′]=[nx2(1−cosθ)+cosθnxny(1−cosθ)+nzsinθnxnz(1−cosθ)+nysinθnxny(1−cosθ)−nzsinθny2(1−cosθ)+cosθnynz(1−cosθ)+nxsinθnxnz(1−cosθ)+nysinθnynz(1−cosθ)−nxsinθnz2(1−cosθ)+cosθ](1) R(n,\theta)= \be 阅读详情

四元数
$$p = a + \vec{b}, \quad q = c + \vec{d}.$$
$$p + q = a + c + \vec{b} + \vec{d}.$$
$$pq = ac + a \vec{d} + c\vec{b} - \vec{b} \cdot \vec{d} + \vec{b} \times \vec{d}.$$
$$p^* = a - \vec{b}.$$
$$pp^* = p^*p = a^2 + \vec{b} \cdot \vec{b}.$$
$$(pq)^* = q^* p^*.$$

向量$\vec{u}$,绕单位轴$\vec{r}$旋转$\theta$,得到$\vec{v}$.显然
$$\vec{u} = (\vec{r} \cdot \vec{u}) \vec{r} + \vec{r} \times (\vec{u} \times \vec{r}).$$
旋转平面上的$x$轴为$\vec{r} \times (\vec{u} \times \vec{r})$,$y$轴为$\vec{r} \times \vec{u}$.所以
$$\vec{v} = (\vec{r} \cdot \vec{u}) \vec{r} + \vec{r} \times (\vec{u} \times \vec{r}) \cos\theta + \vec{r} \times \vec{u} \sin\theta.$$
令
$$p = a + \vec{b}.$$
则
$$p \vec{u} p^* = a^2 \vec{u} + 2a \vec{b} \times \vec{u} + (\vec{u} \cdot \vec{b}) \vec{b} - \vec{b} \times (\vec{u} \times \vec{b}).$$
所以
$$p = \cos \frac{\theta}{2} + \vec{r} \sin \frac{\theta}{2}.$$
有
$$\vec{v} = p \vec{u} p^*.$$

矩阵
\begin{equation}
\nonumber
\begin{split}
Ru = & (\vec{r} \cdot \vec{u}) \vec{r} + \vec{r} \times (\vec{u} \times \vec{r}) \cos\theta + \vec{r} \times \vec{u} \sin\theta \\
= & \vec{r} (\vec{r} \cdot \vec{u}) (1 - \cos\theta) + (\vec{r} \cdot \vec{r}) \vec{u} \cos\theta + \vec{r} \times \vec{u} \sin\theta.
\end{split}
\end{equation}
展开得
$$Ru = rr^T u (1 - \cos\theta) + r^Tr u \cos\theta + \begin{bmatrix}
0 & -r_3 & r_2 \\
r_3 & 0 & -r_1 \\
-r_2 & r_1 & 0
\end{bmatrix} u \sin \theta.$$
所以
$$R = rr^T (1 - \cos\theta) + I \cos\theta + \begin{bmatrix}
0 & -r_3 & r_2 \\
r_3 & 0 & -r_1 \\
-r_2 & r_1 & 0
\end{bmatrix} \sin \theta.$$
有
$$R = \begin{bmatrix}
r_1^2(1-\cos\theta) +\cos\theta & r_1r_2(1-\cos\theta) -r_3\sin \theta & r_1r_3(1-\cos\theta) +r_2\sin \theta \\
r_2r_1(1-\cos\theta) +r_3\sin \theta & r_2^2(1-\cos\theta) +\cos\theta & r_2r_3(1-\cos\theta) -r_1\sin \theta \\
r_3r_1(1-\cos\theta) -r_2\sin \theta & r_3r_2(1-\cos\theta) +r_1\sin \theta & r_3^2(1-\cos\theta) +\cos\theta
\end{bmatrix}.$$

绝对角速度,四元数
$$\vec{\omega} \times (p \vec{u} p^*) = \frac{d}{dt} p \vec{u} p^*.$$
所以
$$\frac{\vec{\omega}p\vec{u}p^* - p\vec{u}p^*\vec{\omega}}{2} = \dot{p}\vec{u}p^* + p\vec{u}\dot{p}^*.$$
$$(\vec{\omega}p - 2\dot{p})\vec{u}p^* - p\vec{u}(p^*\vec{\omega} + 2\dot{p}^*) = 0.$$
由于
$$p = \cos \frac{\theta}{2} + \vec{r} \sin \frac{\theta}{2}.$$
有
$$\left(\frac{dp}{dt}\right)^* = \frac{dp^*}{dt}.$$
所以
$$\vec{\omega} = - 2 p\dot{p}^* = 2\dot{p}p^*.$$
则
$$\vec{\omega} = \vec{r}\dot{\theta} + \frac{d\vec{r}}{dt} \sin \theta + \vec{r} \times \frac{d\vec{r}}{dt} (1 - \cos\theta).$$

矩阵
$$\dot{R}u = \omega \times (Ru).$$
$$\dot{R} = \omega \times R = \begin{bmatrix}
0 & -w_3 & w_2 \\
w_3 & 0 & -w_1 \\
-w_2 & w_1 & 0
\end{bmatrix} R.$$
$$\begin{bmatrix}
0 & -w_3 & w_2 \\
w_3 & 0 & -w_1 \\
-w_2 & w_1 & 0
\end{bmatrix} = \dot{R} R^T.$$

相对角速度,四元数
$$p(\vec{\omega} \times \vec{u} )p^* = \frac{d}{dt} p \vec{u} p^*.$$
则
$$\vec{\omega} = 2p^*\dot{p}.$$
$$\vec{\omega} = \vec{r}\dot{\theta} + \frac{d\vec{r}}{dt} \sin \theta + \frac{d\vec{r}}{dt} \times \vec{r} (1 - \cos\theta).$$

矩阵
$$\dot{R}u = R(\omega \times u).$$
$$\dot{R} = R \begin{bmatrix}
0 & -w_3 & w_2 \\
w_3 & 0 & -w_1 \\
-w_2 & w_1 & 0
\end{bmatrix}.$$
$$\begin{bmatrix}
0 & -w_3 & w_2 \\
w_3 & 0 & -w_1 \\
-w_2 & w_1 & 0
\end{bmatrix} = R^T \dot{R}.$$

欧拉角、四元数和旋转矩阵 讨论旋转矩阵、欧拉角、四元组之间的转换关系,以及旋转的合成、取逆等操作。 阅读详情

相关推荐

四元数、欧拉角、旋转矩阵之间如何相互转换?

在研究机器人运动时,会用到惯性测量单元采集姿态数据,获取的姿态数据主要是四元数,一般不直接获取三轴欧拉角,因欧拉角插值(插值是因多传感器数据采集频率不一致,若要融合数据,必须根据时间进行插值)困难,相比下之下,四元数插值(球面插值)较简单。在将采集的四元数经插值处理完成后,因它无法直接使用,若要观察姿态变化情况,可以将四元数转为易理解的欧拉角观察角度姿态变化情况;若要用于坐标变换,可以将四元数转为易计算的旋转矩阵去变换其他传感器数据在空间的姿态。

【cacrle】的博客 2144

四元数与旋转矩阵

01 什么是四元数 四元数——基本概念 https://zhuanlan.zhihu.com/p/27471300 四元数——旋转 https://zhuanlan.zhihu.com/p/27541307 02 四元数与旋转矩阵 这里主要参考的是 右手系转左手系、旋转矩阵转四元数、四元数的两种表达(Hamilton/JPL)(这篇文章很棒,需要认真看哦~) 网上关于四元数有左手右手两种表达方式,有些地方标明了是在什么坐标系下的公式,而大多数地方是没有的。 所以如果“四元数转旋转矩阵”和“旋转矩阵转四元

gyxx1998的博客 3万+

四元数 欧拉角 旋转矩阵

欧拉角通过绕三个坐标轴的旋转(通常是滚转、俯仰、偏航)来描述三维旋转。常见的旋转顺序有:XYZ、ZYX等。直观性:欧拉角是人类最自然的旋转方式,很容易理解。比如,飞机的航向(偏航)、俯仰(上仰或下俯)和滚转(左右倾斜)就是典型的欧拉角应用。易于操作:对角度的直观控制,适用于一些需要精确调整角度的应用。万向节锁(Gimbal Lock):当两个旋转轴对齐时(例如俯仰角为 ±90° 时),会导致一个自由度丢失,使得旋转失去自由度,无法描述某些方向的旋转。

weixin_45784125的博客 2164

【机器人】四元数与旋转矩阵的转换关系

导语:最近在项目上没有多大进展,就没得啥文章可写,这周末看了一下姿态轨迹规划的文章,对姿态的插补有点感兴趣,于是就先看看相关的文章,发现用四元数表示姿态然后来进行姿态的插补非常方便,这里对四元数与常规的旋转矩阵的转换做一下总结。 四元数转换为旋转矩阵 旋转矩阵转换为四元数 ...

好梦就会趁你睡醒实现 5780

python中将四元数转换为旋转矩阵

在制作bundlefusion时,想测试TUM数据集,并且将groundtruth写入到数据集中,TUM中给定的groundtruth中的旋转是使用四元数表示的,而bundlefusion中需要SE3的形式,所以我需要首先将四元数转换为旋转矩阵,然后再将其与平移向量合并在一起,因为我之前关于生成bundlefusion数据集写了一些python脚本,所以这次仍然想在原来的脚本上完成这项任务,所以我就在网上搜索,实现方法,最终我成功解决这个问题的方法如下: 最近买了个vpn,所以我可以潇洒的在google中

weixin_38636815的博客 7298

搞懂欧拉角、旋转矩阵、四元数

之前一直用旋转矩阵的转换,或者直接从机械臂中导出四元数,最近需要看懂一篇文章里面的推导公式,特地记录一下各个概念。 1.1 roll(横滚)、pitch(俯仰) 、 yaw(偏航) 关于右手笛卡尔坐标系的 x、y 和 z 轴的主动旋转分别叫做 roll(横滚)、pitch(俯仰) 和 yaw(偏航) 旋转。(参考) 1.2内在旋转(intrinsic rotations)和外在旋转(extrinsic rotations) 这两个概念通过下图进行说明:即内在旋转每次旋转围绕的轴是上次旋转之后坐标系的某个轴

weixin_42165913的博客 3295

从四元数到旋转矩阵

旋转矩阵和四元数都是描述三维空间中位姿的方式,此文将讨论如何从四元数计算出旋转。 背景介绍 旋转矩阵和四元数之间的变换需要依据以下公式1 公式1: 绕任意轴n旋转θ的旋转矩阵 公式1的具体推导过程可以参见知乎文章。 注意公式1中的基本条件:①旋转的正方向由左手法则判定 ②任意轴n处于左手坐标系中。 公式2: 绕任意轴n旋转θ的四元数 要想从四元数求得旋转矩阵,即需要用矩阵中的元素m11、m12...

loongkingwhat的博客 4万+

旋转矩阵与四元数

旋转矩阵与四元数另一个 Blog 地址:http://insaneguy.me 原文链接:http://insaneguy.me/2015/03/25/rotation_matrix_and_quaternions/在计算机图形学的学习中,几何变换(Transformations)是一块重要的内容,我们使用齐次坐标(Homogeneous coordinates)描述点和向量,使用变换矩阵描述平移

黄金之心 2197

从旋转矩阵到四元数

在文章:从四元数计算旋转矩阵的基础上,现在来考虑从旋转矩阵到四元数的计算。 从四元数(w,x,y,z)计算旋转矩阵 从旋转矩阵计算四元数 为了从旋转矩阵中求出相应的四元数,可以直接利用上述已经求得的矩阵。 计算方法一: 计算对角线元素之和即可求的 w 值: 同理可以计算 x,y,z 的值: !!!重点提醒!!! 上述的计算方式是存在不完整性的,因为四元数所有分量的计算都是通过开方所得,...

loongkingwhat的博客 2万+

四元数转旋转矩阵

四元数 q 通常表示为 q=w+xi+yj+zk,其中 w,x,y,z 是实数,i,j,k是虚数单位。一个标准化的四元数(单位四元数)可以用来表示旋转,其中 w 是实部,x,y,z是虚部。从四元数到旋转矩阵的转换利用了四元数的乘法特性以及它与旋转矩阵之间的关系。

twnkie的博客 1530

旋转矩阵转四元数

四元数由一个实部和三个虚部组成,通常记作 q=w+xi+yj+zk。要从旋转矩阵转换为四元数,需要确定四元数的四个分量 w,x,y,z ,使得它们所表示的旋转与给定的旋转矩阵相同。

twnkie的博客 1117

旋转矩阵与四元数的理解

旋转矩阵: 1.旋转矩阵是正交矩阵,矩阵的每一行每一列的模,都为1;并且任意两个列向量或者任意两个行向量都是正交的。 2. 矩阵的行列式为1。矩阵的逆和转置是相等的。         什么是旋转矩阵?如图1所示,我们假设最开始空间的坐标系,,就是笛卡尔坐标系,这样我们得到空间A的矩阵={,,}T,其实也可以看做是单位阵E。进过旋转后,空间A的三个坐标系变成了图1中红色的三个坐标系,,,得到空...

知识搬运工的博客 1万+

从零配置Archery:手把手教你用Docker部署多数据库审核系统(MySQL/PostgreSQL/ClickHouse)

本文详细介绍了如何从零开始使用Docker部署Archery多数据库审核系统,涵盖MySQL、PostgreSQL和ClickHouse的配置与整合。文章提供了生产级Docker-compose配置、审核规则定制、工单流程设置以及企业微信通知集成等实战指南,帮助团队构建统一的企业级SQL审计平台,提升数据库操作规范与安全。

e4f5g6h7的博客 943

unity3d四元数和旋转矩阵

一 四元数 Quaternion中存放了x,y,z,w四个数据成员,可以用下标来进行访问,对应的下标分别是0,1,2,3。 主要介绍几个函数 根据两个向量计算出旋转量,计算出来的旋转量为从fromDirection旋转到toDirection的旋转量 static Quaternion FromToRotation(Vector3 fromDirection

小柯的博客 4万+

基于OpenCV C++实现工业级形状模板匹配:仿Halcon SBM算法全解析

在计算机视觉和工业自动化领域,模板匹配是一项基础且关键的技术,用于在图像中定位已知目标。其核心原理是通过计算图像区域与预设模板之间的相似度来识别目标位置。传统的基于灰度值的匹配方法对光照变化敏感,鲁棒性不足。而基于边缘梯度方向的形状匹配技术,通过计算轮廓梯度方向的一致性进行相似度度量,从根本上提升了对光照变化的鲁棒性,并支持目标的旋转与缩放,技术价值显著。这项技术广泛应用于工业视觉检测、机器人引导、PCB定位等对精度和稳定性要求极高的场景。本文聚焦于使用开源OpenCV库,从底层仿照Halcon的Shape

weixin_33691817的博客 508

【深度学习】肺结节分割项目实战一:处理数据集

一、LIDC-IDRI数据集简介 官方网站 肺图像数据库协会的图像收集(LIDC-IDRI)包括诊断和带有病变注释标记的肺癌筛查胸部CT。这是一个网络公开的国际资源,用于肺癌检测和诊断的计算机辅助诊断(CAD)方法的开发、培训和评估。 数据集包含1018个病例,每个病例包括来自临床胸部CT扫描的图像和一个相关的XML文件,该文件记录了由四名经验丰富的胸部放射科医生进行的两阶段图像注释过程的结果。在最初的盲读阶段,每个放射科医生独立审查每个CT扫描,并标记出属于三种类型之一的病变(“结节>= 3mm”,

weixin_42182906的博客 1万+

如何将四元数转换为旋转矩阵

​ 四元数是表示物体在三维空间中的方向和旋转的几种数学方法之一。另一种方法是使用基于欧拉角的旋转矩阵,即滚动、俯仰和偏航,就像的封面图片。 通常使用四元数代替欧拉角旋转矩阵,因为“与旋转矩阵相比,它们更紧凑、数值更稳定且更高效” 请注意,四元数仅描述坐标系(即 3D 空间中的某个对象)绕任意轴的旋转,但它不会告诉您有关该对象位置的任何信息。

weixin_39939185的博客 2636

DeepSeek安装教程

两分钟讲述deepseek正确安装教程

weixin_45906703的博客 1668

旋转矩阵转化成四元数的三种算法

四元数,旋转矩阵,imu,姿态初始化

shenshikexmu的博客 4万+

MATLAB 论文复现——面向电量-调频-容量市场的数据中心园区算力及电力资源规划

如何在保证数据中心服务质量的前提下,考虑数据中心负荷转移特性,并对其进行合理规划,对降低数据中心规划总成本及提升新型电力系统灵活性均有显著意义。然后,根据不同电力市场的结算规则,研究了数据中心园区参与电量-调频-容量市场的方式和经济收益。在此基础上,以综合成本最小化为目标,优化数据中心园区发电机、储能的建设容量以及服务器的建设数量。最后,以阿里巴巴公开运行数据为例,证明考虑多元电力市场能够大大降低数据中心规划成本,激励数据中心园区投资建设更多灵活性资源,为电网提供有效的调频服务和容量支撑。

sjr1478的博客 671

14、Java 中 TAF 和 FCF 的使用及 Oracle 数据库升级与迁移指南

本文详细介绍了Java中实现高可用性的TAF(透明应用故障转移)和FCF(快速连接故障转移)技术,以及如何将Oracle 9iR2 RAC环境升级到10gR2 RAC,并将数据从OCFS迁移到ASM。通过示例代码和操作步骤,帮助开发者和数据库管理员更好地应对数据库故障和数据迁移问题,提升系统的可用性和性能。

egg99的博客 114

四元数与旋转矩阵之间的关系

在这里的旋转矩阵指的是坐标变换的旋转矩阵。 若矩阵与四元数均表示由坐标系G变换至用坐标系L进行表达。 则 因为某点P绕某轴旋转角后在坐标系中的坐标值,等于,保持点在空间中不动,将坐标系绕此轴旋转角度后,点在新坐标系中的坐标值。 而用四元数进行旋转操作时,是顺时针旋转为正方向。 假设坐标系G绕轴逆时针旋转角与坐标系L重合,则对应的四元数为 一、由四元数转换为坐标变换旋转矩阵的关系如下所示。经推导可得相互转换关系如下:(右乘) 下面进行证明: 本旋转矩阵可以用Rodrigues' 旋转矩

longteng_guo的博客 6596

博途PLC模糊PID控制(量化因子和比例因子)

参数"量化因子和比例因子",都是为了对清晰值进行比例变换而设置的,其作用是使变量按一定比例进行放大或缩小,以便和我们的模糊论域相匹配完成一一映射。这种变换对整个系统的工作性能也是有影响的。(其实相当于额外引入了比例作用,所以说模糊PID的调节是个系统工程)。限于本人能力,文中难免出现错误和不足,欢迎大家批评和指正。博途PLC的模糊PID控制完整算法可以参看下面这篇文章博途PLC模糊PID控制详解(SCL完整源代码+参数)_RXXW_Dor的博客-CSDN博客。......

RXXW_Dor的博客 5276

四元数、欧拉角和旋转矩阵

四元数、欧拉角和旋转矩阵四元数、欧拉角和旋转矩阵都可以描述三维空间中的旋转,三者可以相互转化。这里四元数指的都是单位四元数,不改变向量的模,和旋转矩阵是正交的一个道理。欧拉角的转动顺序为Z→Y→XZ\to Y\to X,转动的角度分别为(ψ,θ,ϕ)(\psi,\theta,\phi)。目录四元数欧拉角和旋转矩阵 目录 欧拉角介绍 四元数介绍 相互转换 欧拉角转换为四元数 四元数转化为欧拉角 旋转矩

HarryBoer的博客 7354

uniapp(vue3)- 详解安装/使用pinia报错reportJSException >>>> exception function:createInstanceContext, excepti

uniapp vue3 pinia报错reportJSException >>>> exception function:createInstanceContext, exception:white screen cause create instanceContext failed,check js stack -> at useStore,H5网页,微信小程序,安卓App,苹果App,nvue,uniapp安装使用pinia出现报错at useStore,uniapp+vue3+ts 使用pinia报

🏆 前端领域优质创作者 4053

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

旋转矩阵的四元数表达法

四元数与旋转矩阵,这种好贴子收藏还不够,得留着存档呵呵,转自柯大侠 一.四元组基础 Q(x,y,z,w),其中x,y,z用来确定旋转轴,w为旋转的角度 Q=w+xi+yj+zk,i,j,k为三个虚轴的单位分量 I*j=k J*k=i; K*i=j; 叉乘: c=a × b= | i j k| |a1 b1 c1| |a2 b2 c2| =(b1c2-b2c

liliemily的专栏 8015

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: Euler-Newton方程
下一篇: 最优控制原理
2301_78840115
博客等级 码龄3年 22粉丝 5原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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
⌂ 换网址