Eigen::关于旋转(旋转向量\旋转矩阵\四元数\欧拉角)的初始化和转换以及应用

三维旋转的四种表示法:旋转矩阵、欧拉角、四元数与插值详解 在三维空间中进行姿态描述与变换是计算机图形学、机器人学和游戏开发等领域的基础。其核心原理在于如何用数学工具精确表达物体的旋转状态。旋转矩阵作为最直接的线性变换算子,能无歧义地进行坐标变换,但存在参数冗余和数值稳定性问题。欧拉角凭借其直观的三个角度参数(如偏航、俯仰、滚转)成为人机交互的常用方式,但会遭遇万向节死锁这一固有缺陷。四元数作为一种扩展的复数系统,以其紧凑的四参数表示和计算高效性,优雅地解决了死锁问题,并成为连续旋转合成与平滑插值的首选技术。其技术价值在于为实时姿态估计、动画合成和惯性导航提供了稳定 阅读详情

Eigen::关于旋转(旋转向量\旋转矩阵\四元数\欧拉角)的初始化和转换以及应用 


code:

#include <iostream>
#include <eigen3/Eigen/Core>
#include <eigen3/Eigen/Geometry>


using namespace std;
using namespace Eigen;

int main(int argc, char **argv) {

    //下面三个变量作为下面演示的中间变量

    AngleAxisd t_V(M_PI / 4, Vector3d(0, 0, 1));    //旋转向量:绕z轴旋转45度
    Matrix3d t_R = t_V.matrix();                    //旋转向量--->旋转矩阵
    Quaterniond t_Q(t_V);                           //旋转向量--->四元数


    /***************************旋转向量的初始化***************************/

    /*******************************
     * 对旋转向量(轴角)赋值的三大种方法
     * 1.使用角度和矢量
     * 2.使用旋转矩阵
     * 3.使用四元数
     *******************************/

    ///1.使用旋转的角度和旋转轴向量(此向量为单位向量)来初始化角轴
    AngleAxisd V1(M_PI / 4, Vector3d(0, 0, 1));//以(0,0,1)为旋转轴,旋转45度
    cout << "Rotation_vector1" << endl << V1.matrix() << endl;

    ///2.使用旋转矩阵转旋转向量的方式

    //2.1 使用旋转向量的fromRotationMatrix()函数来对旋转向量赋值(注意此方法为旋转向量独有,四元数没有)
    AngleAxisd V2;
    V2.fromRotationMatrix(t_R);
    cout << "Rotation_vector2" << endl << V2.matrix() << endl;

    //2.2 直接使用旋转矩阵来对旋转向量赋值
    AngleAxisd V3;
    V3 = t_R;
    cout << "Rotation_vector3" << endl << V3.matrix() << endl;

    //2.3 使用旋转矩阵来对旋转向量进行初始化
    AngleAxisd V4(t_R);
    cout << "Rotation_vector4" << endl << V4.matrix() << endl;

    ///3. 使用四元数来对旋转向量进行赋值

    //3.1 直接使用四元数来对旋转向量赋值
    AngleAxisd V5;
    V5 = t_Q;
    cout << "Rotation_vector5" << endl << V5.matrix() << endl;

    //3.2 使用四元数来对旋转向量进行初始化
    AngleAxisd V6(t_Q);
    cout << "Rotation_vector6" << endl << V6.matrix() << endl;


    /***************************四元数的初始化***************************/

    /*******************************
     * 对四元数初始化的三大种方法
     * 1.使用四元数的值Quaterniond(Vector4d(x,y,z,w)) 或者 Quaterniond(w,x,y,z,w)
     * 2.使用旋转矩阵
     * 3.使用旋转向量
     *******************************/

    ///1.使用旋转的角度和旋转轴向量(此向量为单位向量)来初始化四元数,即使用q=[cos(A/2),n_x*sin(A/2),n_y*sin(A/2),n_z*sin(A/2)]
    Quaterniond Q1(cos((M_PI / 4) / 2), 0 * sin((M_PI / 4) / 2), 0 * sin((M_PI / 4) / 2), 1 * sin((M_PI / 4) / 2));
    //以(0,0,1)为旋转轴,旋转45度
    //第一种输出四元数的方式
    cout << "Quaternion1" << endl << Q1.coeffs() << endl;

    //第二种输出四元数的方式
    cout << Q1.x() << endl << endl;
    cout << Q1.y() << endl << endl;
    cout << Q1.z() << endl << endl;
    cout << Q1.w() << endl << endl;


    ///2. 使用旋转矩阵初始化四元數的方式

    //2.1 直接使用旋转矩阵来对旋转向量赋值
    Quaterniond Q2;
    Q2 = t_R;
    cout << "Quaternion2" << endl << Q2.coeffs() << endl;

    //2.2 使用旋转矩阵来对四元數进行初始化
    Quaterniond Q3(t_R);
    cout << "Quaternion3" << endl << Q3.coeffs() << endl;



    ///3. 使用旋转向量对四元数来进行赋值

    //3.1 直接使用旋转向量对四元数来赋值
    Quaterniond Q4;
    Q4 = t_V;
    cout << "Quaternion4" << endl << Q4.coeffs() << endl;

    //3.2 使用旋转向量来对四元数进行初始化
    Quaterniond Q5(t_V);
    cout << "Quaternion5" << endl << Q5.coeffs() << endl;



    /***************************旋转矩阵的初始化***************************/
    /*******************************
     * 对旋转矩阵初始化的三大种方法
     * 1.直接矩阵赋值
     * 2.使用旋转向量
     * 3.使用四元数
     *******************************/

    ///1.使用旋转矩阵的函数来初始化旋转矩阵
    Matrix3d R1=Matrix3d::Identity();
    cout << "Rotation_matrix1" << endl << R1 << endl;

    ///2. 使用旋转向量转旋转矩阵来对旋转矩阵赋值

    //2.1 使用旋转向量的成员函数matrix()来对旋转矩阵赋值
    Matrix3d R2;
    R2 = t_V.matrix();
    cout << "Rotation_matrix2" << endl << R2 << endl;

    //2.2 使用旋转向量的成员函数toRotationMatrix()来对旋转矩阵赋值
    Matrix3d R3;
    R3 = t_V.toRotationMatrix();
    cout << "Rotation_matrix3" << endl << R3 << endl;

    //3. 使用四元数转旋转矩阵来对旋转矩阵赋值

    //3.1 使用四元数的成员函数matrix()来对旋转矩阵赋值
    Matrix3d R4;
    R4 = t_Q.matrix();
    cout << "Rotation_matrix4" << endl << R4 << endl;

    //3.2 使用四元数的成员函数toRotationMatrix()来对旋转矩阵赋值
    Matrix3d R5;
    R5 = t_Q.toRotationMatrix();
    cout << "Rotation_matrix5" << endl << R5 << endl;


    /***************************旋转向量\旋转矩阵\四元数====>欧拉角***************************/
    ///1.旋转向量===>欧拉角
    Vector3d eulerFromAngleAxisd=t_V.matrix().eulerAngles(2,1,0);   //(z,y,x)--(2,1,0)   (z,x,y)--(2,0,1)
    cout << "euler from 旋转向量:\n"<<(180)/(M_PI)*eulerFromAngleAxisd.transpose()<<endl;

    ///2.旋转矩阵===>欧拉角
    Vector3d eulerFromRotationMatrix=t_R.eulerAngles(2,1,0);
    cout << "euler from 旋转矩阵:\n"<<(180)/(M_PI)*eulerFromRotationMatrix.transpose()<<endl;

    ///3.四元数===>欧拉角
    Vector3d eulerFromQuaternion = t_Q.matrix().eulerAngles(2,1,0);
    cout << "euler from 四元数:\n"<<(180)/(M_PI)*eulerFromQuaternion.transpose()<<endl;

    /***************************应用举例***************************/
    /*******************************
     * 利用3次旋转构造一个姿态R
     * 1.绕z轴旋转45度
     * 2.绕y轴旋转70度
     * 3.绕x轴旋转30度
     *******************************/
    Vector3d rollpitchyaw((30.0/180.0)*M_PI,(70.0/180.0)*M_PI,(45.0/180.0)*M_PI);
    AngleAxisd v_z((45.0/180.0)*M_PI , Vector3d(0, 0, 1));
    AngleAxisd v_y((70.0/180.0)*M_PI , Vector3d(0, 1, 0));
    AngleAxisd v_x((30.0/180.0)*M_PI , Vector3d(1, 0, 0));

    //欧拉角为ZYX-321顺序的调用框架---------------------------------------
    /*******************************
     * 利用3次旋转构造一个姿态R
     * 1.绕z轴旋转45度
     * 2.绕y轴旋转70度
     * 3.绕x轴旋转30度
     *******************************/
    Matrix3d R_n2b_zyx=v_x.matrix()*v_y.matrix()*v_z.matrix();
    cout << "R_ZYX :\n"<<R_n2b_zyx<<endl;

    AngleAxisd total;
    total=v_x*v_y*v_z;

    Vector3d zyx_Euler_fromR=R_n2b_zyx.eulerAngles(0,1,2);//Eigen中使用右乘的顺序,因此ZYX对应的是012,实际上这个编号跟乘法的顺序一致就可以了(从左向又右看的顺序)
    cout<< "zyx euler from Rotation [输出顺序为:x,y,z]:\n"<<(180)/(M_PI)*zyx_Euler_fromR.transpose()<<endl;
    //------------------------------------------------------------

    //欧拉角为ZXY-312顺序的调用框架---------------------------------------
    /*******************************
     * 利用3次旋转构造一个姿态R
     * 1.绕z轴旋转45度
     * 2.绕x轴旋转30度
     * 3.绕y轴旋转70度
     *******************************/
    Matrix3d R_n2b_zxy=v_y.matrix()*v_x.matrix()*v_z.matrix();
    cout << "R_ZXY :\n"<<R_n2b_zxy<<endl;

    Vector3d zxy_Euler_fromR=R_n2b_zxy.eulerAngles(1,0,2);//Eigen中使用右乘的顺序,因此ZYX对应的是012
    cout<< "zxy euler from Rotation [输出顺序为:y,x,z]:\n"<<(180)/(M_PI)*zxy_Euler_fromR.transpose()<<endl;
    //------------------------------------------------------------


    ///关于输出顺序: 就是做旋转矩阵的乘法的顺序
    //(ZYX-321):v_x.matrix()*v_y.matrix()*v_z.matrix() 对应 pitch,roll,yaw的输出顺序
    //(ZXY-312):v_y.matrix()*v_x.matrix()*v_z.matrix() 对应 roll,pitch,yaw的输出顺序

    return 0;

}

参考内容:

https://blog.csdn.net/weixin_38213410/article/details/89892336

https://blog.csdn.net/yang__jing/article/details/82316093

Eigen:关于转换成欧拉角的函数的说明:

https://eigen.tuxfamily.org/dox/group__Geometry__Module.html#ga17994d2e81b723295f5bc3b1f862ed3b

#include "tf2/utils.h"
#include "tf2_ros/transform_broadcaster.h"
#include "tf2_ros/transform_listener.h"
#include "tf/tf.h"
#include "tf/transform_datatypes.h"
#include "geometry_msgs/TransformStamped.h"
#include "eigen_conversions/eigen_msg.h"

int main(int argc, char **argv)
{
    ros::init(argc,argv,"test");

    tf2_ros::TransformBroadcaster tfb;

    geometry_msgs::TransformStamped tfs;

    ros::Rate r(100);

    while(ros::ok()){
        tfs.header.stamp = ros::Time::now();

        tfs.transform.translation.x=1;
        tfs.transform.translation.y=0;
        tfs.transform.translation.z=0;

        tfs.header.frame_id="map";
        tfs.child_frame_id="camera";

        // 1. map 坐标系沿 原map坐标系x轴顺时针旋转90度 (roll)
        // 2. map 坐标系沿 原map坐标系y轴顺时针旋转90度 (roll)
        // 3. map 坐标系沿 原map坐标系z轴顺时针旋转90度 (yaw)
        //=================================================
        tfs.transform.rotation = tf::createQuaternionMsgFromRollPitchYaw(-M_PI/2,M_PI/2,-M_PI/2);

        // 另外一种思路是: 以map坐标系为参考,camera姿态为 -M_PI/2 , 即 yaw角为 -90度
        //tfs.transform.rotation = tf::createQuaternionMsgFromRollPitchYaw(0,0,-M_PI/2);

        std::cout<<tfs.transform.rotation.w<<" "<<tfs.transform.rotation.x<<" "<< tfs.transform.rotation.y<<" "
                <<tfs.transform.rotation.z<<std::endl;

        Eigen::Isometry3d transform;
        tf::transformMsgToEigen(tfs.transform,transform);

        ///////////////////////////////////////////////////////////////////////////
        /// tf::createQuaternionMsgFromRollPitchYaw(-M_PI/2,M_PI/2,-M_PI/2);
        /// 上面的操作,跟下面的等价
        ///     R_C_W = roll * yaw
        /// 即相当于将世界坐标系:
        /// 1. 沿 原map坐标系绕Z轴顺时针旋转90度 (yaw)
        /// 2. 得到的坐标系 沿 新的X轴顺时针旋转90度 (roll)
        /// 3. 得到camera坐标系
        /// 4. 将camera坐标系的点转换到世界坐标系:
        ///    p_w = R_C_W.inv()*p_c + t_W_C
        ///
        /// R_C_W.inv() 等价于 tfs.transform.rotation 表示从相机坐标系到map坐标系的旋转变换
        /// ////////////////////////////////////////////////////////////////////////


        Eigen::Matrix3d R_C_W=Eigen::Matrix3d::Identity();

        // 顺时针90度
        Eigen::Matrix3d yaw=Eigen::AngleAxisd(M_PI / 2, Eigen::Vector3d(0, 0, 1)).matrix();
        // 逆时针90度
        Eigen::Matrix3d pitch=Eigen::AngleAxisd(-M_PI/2, Eigen::Vector3d(0, 1, 0)).matrix();
        // 顺时针90度
        Eigen::Matrix3d roll=Eigen::AngleAxisd(M_PI / 2, Eigen::Vector3d(1, 0, 0)).matrix();


        R_C_W = (roll) * (pitch) * (yaw);

        Eigen::Quaterniond q(R_C_W.transpose());
        std::cout<<"q: "<<q.w()<<" "<<q.x()<<" "<<q.y()<<" "<<q.z()<<std::endl;


        Eigen::Vector3d point_in_camera(1,0,0);

//        Eigen::Vector3d point_in_map= transform* point_in_camera;

        Eigen::Vector3d point_in_map= R_C_W.transpose()* point_in_camera + Eigen::Vector3d(1,0,0);

//        std::cout<<point_in_map.transpose()<<std::endl;

        tfb.sendTransform(tfs);


        r.sleep();
    }

//    google::ShutdownGoogleLogging();
}

四元数(Quaternion)之Eigen::Quaternion使用详解(5) 的实际内存coeffs()是 (x,y,z,w);API.w(), .x()是按 (w,x,y,z) 语义访问。四元数乘法q2 * q1对应的旋转为先应用q1再q2(矩阵乘法语义一致)。旋转向量旋转v' = q * v(Eigen 支持)。数值集成后必须归一化。对于滤波/优化,用 3D 小角量(exp/log)做误差参数化。使用slerp做插值,避免直接lerp(除非再归一化并且角度小)。 阅读详情

相关推荐

quartusII简易CPU设计

优点可以实现八种运算,数据的存取及运算都能很好的实现,上板也很成功。缺点首先由于自己知识储备的缺乏,只能实现较为简单的8种运算,也是最简单的直接寻址。其次为了方便操作,没有从外部输入数据,都是直接使用存储在存储器中的数据。后续发展后续会在此简易CPU的基础上增加一些功能对CPU进行完善,如算术运算可以考虑是补码运算,输入、输出采用存储缓冲等等,直至完整的全功能的处理器。收获通过这次实践,更熟悉Quartus软件的操作。能过更加清楚每个器件的操作,比如计数器,运算器,译码器等的实现功能。

Kong08242022的博客 3487

Eigen学习(与SLAM相关,一般在ROS系统下)

Eigen::Matrix

qq_39607707的博客 302

宇树G1嵌入式软件架构及技术实现

该架构通过硬件加速(FPGA)+确定性调度(RTX5)的组合,在1ms控制周期内完成从传感器采集到43轴输出的全链路处理,相比波士顿动力系统缩短40%的着地稳定时间。,结合ARM Cortex-R5与FPGA的异构计算能力,实现43自由度1kHz实时控制。

m0_60674045的博客 4316

【Eigen】旋转方向及eulerAngles函数参数说明

Eigen 旋转方向及eulerAngles函数参数说明

zhy29563 5051

详解AUTOSAR:DaVinci Configurator配置CAN和UART数据协议解析器(RH850)(实战篇—1)

通过学习本篇博文项目,将会把所学的DaVinci Configurator知识系统串联起来。

不脱发的程序猿 2821

用 AI 设计力打造专业 UI_UX:在 Trea、Qoder 等 AI IDE 中集成 ui-ux-pro-max-skill

的核心是知识库Trea 和 Qoder 虽未被--ai all原生支持,但完全可通过@folder手动集成使用后,你的 AI 生成代码将从“功能可用”跃升至“设计专业”这是零成本提升产品质感的最佳实践之一🎨好的 UI 不应是设计师的专利,而是每个开发者的默认能力。然后在 Trea 或 Qoder 中输入—— 让 AI 成为你最懂设计的结对编程伙伴。

lpfasd123的博客 7121

ros数据转换

ros数据转换

诺有缸的高飞鸟的博客 1092

OV5645摄像头原理图设计,已量产

在嵌入式视觉项目里,摄像头小板真正决定量产稳定性的,往往不是把传感器接出来这件事本身,而是电源域有没有拆清、参考时钟够不够干净、主板调试时有没有留出可落地的接口。ATK-MC5645 这张原理图的价值,就在于它没有把 OV5645 裸接到一排连接器上,而是把 AFVDD_2V8、DOVDD_1V8、DVDD_1V5、24MHz 时钟和 MIPI/控制信号都收敛在一块独立模组上。

不脱发的程序猿 359

Eigen中四元数Quaterniond的初始

Quaterniond的初始 Eigen::Quaterniond q1(w, x, y, z);// 第一种方式 Eigen::Quaterniond q2(Vector4d(x, y, z, w));// 第二种方式 Eigen::Quaterniond q2(Matrix3d(R));// 第三种方式 以上两种方式是不同的,在Quaternion内部的保存中,虚部在前,实部在后, 如果以第一种方式构造四元数,则实部是w, 虚部是[x,y,z]; 对于第二种方式,则实部是w,虚部是[x,y

hjwang1的专栏 3万+

Chrome插件Proxy SwitchyOmega

Proxy SwitchyOmega:Chrome 和 Firefox 浏览器上的代理扩展程序,可以轻松快捷的管理和切换多个代理设置。 Proxy SwitchyOmega是一款专门针对Chrome浏览器的辅助插件,它可以帮助用户可以让你非常方便的浏览国外的网站,不需要一直切换代理,能够自动帮你把设置好的代理进行合适的切换,是用户进行网页浏览的最佳选择。 Proxy SwitchyOmega官网地址:添加链接描述 安装步骤 1.下载 github下载地址:添加链接描述 页面滚动到下方,找到Switch

6707

Redhawk:什么是timing window?

STA timing file中timing window的作用和计算方式

m0_61544122的博客 1万+

Eigen旋转矩阵和欧拉角相互转换

Eigen旋转矩阵和欧拉角相互转换

NEU_Yuan的博客 1552

yolov5直接调用zed相机实现三维测距(python)

zed代码比较简洁,但是一定要把环境配置好,后续自己会把他当做普通双目标定,去对比分析效果,并完善相关功能。

积极向上的mr.d的博客 1万+

Eigen 中旋转矩阵、旋转向量、欧拉角、四元数的使用

用到 Eigen/Core 和 Eigen/Geometry 模块 定义一个3×33 \times 33×3 矩阵并使用单位阵对其初始化:矩阵名称 = Eigen::Matrix3d::Identity() 定义一个旋转向量:Eigen::AngleAxised 矩阵名称(旋转角*(弧度),旋转轴(3×13\times13×1)*) 输出精度设定:cout.precision(val) (小数点后...

gwh1010的博客 2860

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

坐标变换学习笔记—代码篇Eigen

坐标变换学习笔记—代码篇Eigen旋转向量旋转向量与其它旋转量的转换旋转向量一般常用函数四元数欧拉角旋转矩阵 旋转向量 旋转向量与其它旋转量的转换 Eigen/src/Geometry/AngleAxis.h 四元数 →\to→ 旋转向量: Eigen中,通过重载=操作符,实现旋转矩阵,四元数对转旋转向量的直接赋值,但是从下面的函数实现看,它的旋转角θ\thetaθ是通过atan2atan2atan2的方式求出来的,与式(3.1)(3.1)(3.1)稍微有点差别。 Eigen/src/Geometry/A

sunqin的博客 2324

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

【十四讲】旋转向量、旋转矩阵、欧拉角

1、旋转向量与旋转矩阵 https://blog.csdn.net/qq_31806429/article/details/87920597 2、旋转矩阵与欧拉角 https://www.jianshu.com/p/5e130c04a602

qq_33638170的博客 600

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Eigen--几何模块的使用方法

Eigen几何模块提供了三维空间旋转与变换的统一操作方案,支持旋转矩阵、旋转向量、欧拉角和四元数四种表示方式,并能通过欧氏变换矩阵整合旋转和平移操作。该模块支持不同旋转表示的无缝转换,避免手动推导矩阵的繁琐和错误,是SLAM、机器人运动学和三维图形学中处理空间变换的核心工具。关键功能包括旋转表示转换、坐标变换计算和四元数操作,通过统一的矩阵/向量运算实现高效的空间变换处理。

weixin_45590420的博客 1044

第三讲第六节-Eigen几何模块

一、Eigen几何模块的引入

qq_42138662的博客 1121

Ubuntu安装Eigen进行OpenCV矩阵变换

Eigen是一个基于C++模板的开源库

xfxuezhang.cn 1万+

在 Visual Studio 中配置 Eigen库

Visual Studio配置Eigen库

On The Road FGY 1万+

Eigen::Matrix_QTRtv

ch3_EigenRotation1、Eigen2、 EIgen简介3、eigenGeometry4、visualizeGeometry 1、Eigen #include &amp;amp;lt;iostream&amp;amp;gt; using namespace std; #include &amp;amp;lt;ctime&amp;amp;gt; // Eigen 部分 #include &amp;amp;lt;Eigen/Core&amp;amp;g

fb_941219的博客 5095

SLAM练习题(四)——三维空间刚体旋转

从零手写SLAM笔记 文章目录旋转方式转化讨论 旋转方式转化 题目1:已知旋转矩阵定义是沿着Z轴旋转45°。请按照该定义初始化旋转向量、旋转矩阵、四元数、欧拉角。请编程实现: 1、以上四种表达方式的相互转换关系并输出,并参考给出的结果验证是否正确。 2、假设平移向量为(1,2,3),请输出旋转矩阵和该平移矩阵构成的欧式变换矩阵,并根据欧式变换矩阵提取旋转向量及平移向量。 **知识点:**1、学习eigen中刚体旋转的四种表达方式,熟悉他们之间的相互转换关系 2、熟悉旋转平移和欧式变换矩阵的相互转换关系 .

图像处理、SLAM、PCL、OpenCV爱好者 971

Eigen3中表示SLAM中的各种旋转表示

一、旋转矩阵 旋转矩阵直接可以使用Matrix类来定义。关于矩阵的操作可以看我之前写的内容: Eigen库的基本使用说明_HHB791829200的博客-CSDN博客https://blog.csdn.net/HHB791829200/article/details/123417317 二、旋转轴 Eigen中有专门的几何变化的头文件Geometry。其中旋转轴在Eigen中通过一个选择度数和一个旋转轴表示: AngleAxis<float> aa(angle_in_radian, V

主要学习关于图像处理和SLAM领域 791

工程数学---Eigen库(C++唯一标配线性代数库)

Eigen是C++轻量级线性代数库,专为机器人学、计算机视觉和SLAM等领域设计。它采用纯头文件实现,无外部依赖,运算效率媲美商业库。核心功能包括: 基础矩阵/向量运算(Matrix3d/Vector3d等) 几何变换模块(旋转矩阵、四元数、轴角表示) 齐次变换矩阵(SE(3)位姿表示) 高效线性代数运算(矩阵乘法、求逆、转置等) 特别适用于三维旋转、位姿估计、坐标变换、相机投影等几何计算任务,是机器人视觉系统的核心数学工具库。

MzKyle的博客 1516

视觉SLAM十四讲学习笔记(三)

文章目录第三讲 三维空间刚体运动3.1 旋转矩阵外积的反对称矩阵写法坐标系之间的欧式变换旋转矩阵的性质考虑平移变换矩阵与齐次坐标存在的问题齐次坐标和变换矩阵特殊欧式群3.2 实践:Eigen要点1. 声明矩阵2. 初始化操作3. 输出4. 运算5. 添加头文件3.3 旋转向量和欧拉角旋转向量存在的问题解决方案罗德里格斯公式θ\thetaθ和n的推导欧拉角存在的问题解决方案万向锁问题3.4 四元数定义四元数的运算用四元数表示旋转四元数到其他旋转表示的转换相似、仿射、射影变换1. 相似变换2. 仿射变换3. 射

weixin_42751489的博客 1552

视觉SLAM十四讲学习笔记——三维空间刚体运动(ch3~旋转矩阵Eigen)

还能用外积表示向量的。

m0_51030297的博客 889
上一篇: VSLAM::[手写VIO_课堂笔记]第二讲_IMU测量模型+误差模型+运动模型&&欧拉角微分推导
下一篇: VSLAM::[手写VIO_课堂笔记]第三讲(上)_基于优化的IMU与视觉信息融合(最小二乘问题)
dieju8330
博客等级 码龄11年 555粉丝 140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