视觉SLAM十四讲学习笔记——ch3-三维刚体运动理论篇

视觉SLAM十四讲(第二版)章节总结+课后习题分析 感谢博主nullwh 的分享,原文链接 视觉SLAM十四讲 《视觉SLAM十四讲 第二版》笔记及课后习题(第一讲) 《视觉SLAM十四讲 第二版》笔记及课后习题(第二讲) 《视觉SLAM十四讲 第二版》笔记及课后习题(第三讲) 《视觉SLAM十四讲 第二版》笔记及课后习题(第四讲) 《视觉SLAM十四讲 第二版》笔记及课后习题(第五讲) 《视觉SLAM十四讲 第二版》笔记及课后习题(第... 阅读详情

3.1 旋转矩阵

3.1.1点与坐标系

点乘

在这里插入图片描述
叉乘
法向量的方向成右手法则,所以叉乘的顺序是会有影响的。
在这里插入图片描述

反对称矩阵
反对成矩阵(skew-symmetric matrix),如a = [a1, a2, a3]
在这里插入图片描述在这里插入图片描述

3.1.2 坐标系中的欧式变换

  1. 旋转关系加上平移关系统称为坐标系之间的变换关系。
  2. 我们用两个参考系考察机器人运动,一个是固定不动的世界坐标系,一个是依靠机器人自身建立的移动坐标系,我们研究的问题就是如何把一个向量在这两个坐标系中相互转换。
  3. 转换思路:需要先得到该点针对机器人坐标系坐标值,再根据机器人位姿转换到世界坐标系中
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

3.1.3 变换矩阵与齐次坐标

矩阵相乘的意义
在这里插入图片描述
变换矩阵Transform Matrix
1.SO(n)是特殊正交群(special orthogonal group),集合的定义如下:
在这里插入图片描述
特殊正交群要求正交,且行列式为1.
​
齐次坐标:
射影几何里的概念,把一个三维向量的末尾添加 1,变成了四维向量,称为齐次坐标。对于这个四维向量,我们可以把旋转和平移卸载一个矩阵里,使得整个关系变成线性关系。
在这里插入图片描述在这里插入图片描述
5.SE(3)是特殊欧氏群(special euclidean group),定义如下:
在这里插入图片描述
6.变换矩阵的逆,反向的变换.inverse()为:
在这里插入图片描述
这里这个反对称矩阵的概念,听起来很简单,但是其实很重要观察反对称矩阵的特点,不难发现符合A^{T}=-A的反对称矩阵,3x3的矩阵,有九个元素,但是呢由于对角线都是0,并且他还上下对称。所以,我们只用三个元素就能表达一个反对称矩阵。比如,A用a来表示

在这里插入图片描述用三个元素就能表达A,也就是说反对称矩阵只有三个自由度。 这一点很重要,正因如此,我们就可以把一个三维向量和一个三维矩阵建立对应关系。

3.2 Eigen库的使用

参考链接:
Eigen官网
民间Eigen教程
eigen 中四元数、欧拉角、旋转矩阵、旋转向量互相转换

3.3 旋转向量和欧拉角

3.3.1 旋转向量

在这里插入图片描述

3.3.2 欧拉角

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

欧拉角的奇异性问题
在特定值时,旋转自由度减1;
Yaw-pitch-roll顺序下,当pitch为90度时,存在奇异性

在这里插入图片描述

3.4四元数

3.4.1 四元数的定义

在这里插入图片描述在这里插入图片描述

3.4.2 四元数的运算

在这里插入图片描述在这里插入图片描述在这里插入图片描述

3.4.3 用四元数表示旋转

在这里插入图片描述

3.4.4 四元数到旋转矩阵的转换

在这里插入图片描述

3.5 补充小萝卜的例子解释,坐标在不同坐标系转换

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
计算代码和注释如下:

#include <iostream>
#include <vector>
#include <algorithm>
#include <Eigen/Core>
#include <Eigen/Geometry>
 
using namespace std;
using namespace Eigen;
 
int main(int argc, char** argv) {
  //q1 q2存为两个四元数
  Quaterniond q1(0.35, 0.2, 0.3, 0.1), q2(-0.5, 0.4, -0.1, 0.2);
  //使用之前要归一化操作
  q1.normalize();
  q2.normalize();
  //两个平移向量t1 t2 
  Vector3d t1(0.3, 0.1, 0.1), t2(-0.1, 0.5, 0.3);
  //题目给出的小萝卜一号在自身坐标系下的坐标
  Vector3d p1(0.5, 0, 0.2);
  //声明两个变换矩阵  分别代表w->1  w->2的变换矩阵
  //将四元数代表的旋转 赋值给变换矩阵
  Isometry3d T1w(q1), T2w(q2);
  //把平移向量赋值给变换矩阵
  T1w.pretranslate(t1);
  T2w.pretranslate(t2);
  //此时 我们的变换矩阵已经代表了 旋转+平移
  //P2 = T2w * Tw1 * P1
  Vector3d p2 = T2w * T1w.inverse() * p1;
  cout << endl << p2.transpose() << endl;
  return 0;
}

参考博客

1.视觉SLAM十四讲学习笔记——第三章 三维空间刚体运动
2.SLAM学习笔记-------------(三)三维空间刚体运动
3.视觉SLAM十四讲 第3讲 三维空间刚体运动(相关知识点汇总)

视觉SLAM十四讲——ch7 SLAM十四讲第二版ch7 阅读详情

相关推荐

《视觉SLAM》学习笔记(二)——ch3三维空间刚体运动

《视觉SLAM》学习笔记(二) 视频地址:https://www.bilibili.com/video/BV1Dz4y1S7gn?t=749 github地址:https://github.com/gaoxiang12 【第一版、第二版的代码】 第一节 《视觉SLAM》学习笔记(一) 第三节 《视觉SLAM》学习笔记(三)【敬请期待】 第四节 《视觉SLAM》学习笔记(四)【敬请期待】 … 【占坑后补】 ...

way7486chundan的博客 908

SLAM十四讲——ch3实践

视觉SLAM的ch3实践

琉璃轻纱的博客 1731

视觉slam十四讲实践部分记录——ch2 初识SLAM、ch3 三维空间刚体运动

/a.out运行。

m0_69023437的博客 1016

视觉slam十四讲ch3三维空间刚体运动(包含实践部分)

欧拉角的一个重大缺点是会碰到著名的万向锁问题(Gimbal Lock)在俯仰角为±90°时,第一次旋转与第三次旋转将使用同一个轴,使得系统丢失了一个自由度(由3次旋转变成了2次旋转)。这被称为奇异性问题,在其他形式的欧拉角中也同样存在。理论上可以证明,只要想用3个实数来表达三维旋转,都会不可避免地碰到奇异性问题。由于这种原理,欧拉角不适用于插值和迭代,往往只用于人机交互中。我们也很少在SLAM程序中直接使用欧拉角表达姿态,同样不会在滤波或优化中使用欧拉角表达旋转(因为它具有奇异性)。

shikaiaixuexi的博客 1116

[学习笔记-SLAM篇]视觉SLAM十四讲ch3

一鼓作气哈。 还学了一点latex编写技巧,技能max。 注: 1)学习视频:【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第3讲3.1 理论部分3.2 实践部分 第3讲 3.1 理论部分 这一部分要点如下。 1)线性代数基础 向量内积:a⋅b=aTb=∑i=13aibi=∣a∣∣b∣cos<a,b>\pmb{a}·\pmb{b}=\pmb{a}^T\pmb{b}=\sum_{i=1}^3a_ib_i=|\pmb{a}||\pmb{b}|cos<\pmb{a},\pmb{b}&gt

warningm_dm的博客 714

视觉SLAM十四讲学习笔记——第九讲 后端优化(1)

经过前端(视觉里程计)估计得到的轨迹和地图由于存在累计误差,在长时间内是不准确的。因此希望构建一个针对全局的更大规模的优化问题,得到最优的轨迹和地图,这里主要有两种解决思路: (1)基于马尔可夫性假设的卡尔曼滤波器:马氏性假设可以简单地理解为“当前时刻状态只与上一时刻有关”。针对SLAM问题(非线性)的卡尔曼滤波器给出了单次线性近似下的最大后验估计,或者说是优化过程中一次迭代的结果。 (2)非线性优化:非线性优化考虑了当前及之前所有时刻的状态,同时优化所有时刻的相机位姿以及各个特征点的空...

weixin_61294345的博客 3251

视觉SLAM中的李群&李代数基础

前言 在做SLAM研究的时候,会涉及到对旋转矩阵求导的问题。这时候需要使用矩阵李群的知识,将旋转或者变换等矩阵李群形式,映射到李代数上求解。本文主要涉及两个特殊矩阵李群:特殊正交群(special orthogonal group)SO(3),表示旋转;特殊欧几里得群(special Euclidean group)SE(3),表示位姿。 1 群的定义 群(Group)是一个集合加上一种运算所构成的代数结构。该运算将两个元素a和b组成另外一个元素,记为a·b或者ab。记集合为G,运算为· ,则当.

翻肚鱼儿的博客 1338

SLAM14讲~视频链接

SLAM14讲,清华大学高翔亲自讲SLAM14讲视频。有代码的讲解和书籍内容的讲解。。SLAM14讲对计划学SLAM的童鞋来说是一本非常合适的书。

坐标变换(4)—旋转矩阵

1. 群 群(Group)是一种集合加上一种运算的代数结构。我们把集合记作AAA,运算记作⋅\cdot⋅, 那么群可以记作G=(A,⋅)G = (A, ·)G=(A,⋅)。群要求这个运算满足以下几个条件: 封闭性: ∀a1,a2∈A,a1⋅a2∈A\forall a_1, a_2 \in A, a_1\cdot a_2 \in A∀a1​,a2​∈A,a1​⋅a2​∈A. 结合律: ∀a1,a2...

lyf's blog 3460

Advanced Installer打包避坑指南:如何正确配置64位系统下的Java环境与注册表条件(以15.7版本为例)

本文详细解析了使用Advanced Installer 15.7版本在64位系统下打包Java应用时的常见问题与解决方案。重点介绍了注册表重定向机制、Java环境检测的双保险策略、环境变量设置的隐藏坑以及权限管理的进阶技巧,帮助开发者避免安装包在用户机器上无法运行的幽灵问题。

weixin_28676289的博客 330

Android11 关于三方应用获取su权限

SELinux,全称Security-Enhanced Linux,是一种基于Linux内核的安全机制。它通过强制访问控制(MAC)来增强Linux系统的安全性,如果不禁用SELinux,完成下面的修改可能会导致设备进入Recovery界面!adb shell getenforce 为Permissive(宽容模式),查看报错日志,发现是客户apk想使用su命令提权,但是没有权限!对于保护系统资源和防止未经授权访问非常有帮助!系统这边做修改,让su权限下放到三方应用.客户的apk运行报错。

sinat_37429535的博客 1908

视觉SLAM ch3—三维空间的刚体运动

配套高翔老师以及其他视频资源的视觉SLAM笔记。 里面的视频可以在指示下观看,四元数的两个视频很好,建议全部观看!!

Johaden的博客 1234

视觉SLAM十四讲笔记(ch3)

通常定义世界坐标系TW和机器人坐标系TR,点的世界坐标为PW,机器人坐标系为PR,那么满足关系:PR=TRW PW,反之亦然,在实际编程中,可以使用TRW和TWR来描述机器人的位姿。:在俯仰角为±90°时,第一次旋转与第三次旋转将使用同一个轴,使得系统丢失了一个自由度(由三次旋转变成了两次旋转)。:任意旋转都可以用一个旋转轴和一个旋转角来刻画。:在欧式变换前后的两个坐标系下,同一个向量的模长和方向不发生改变,视为欧式变换。描述了刚体围绕三个轴旋转的角度,它将一次旋转分解成3个分离的转角。

Ltr_20213962的博客 577

【笔记软件obsidian】从入门到精通

目录 一、前言 二、下载及安装 三、【选修】ios用户如何通过iCloud进行三平台同步 四、基本Markdown语法 五、【选修】插件的下载及安装方式 六、

patrick的博客 9万+

高频功率放大器的设计实现

摘 要 随着无线通信技术的高速发展,市场对射频电路的需求越来越大,同时对射频电路的性能要求也越来越高。高频功率放大器是位于无线发射级末端的重要部件,为了弥补信号在无线传输过程中的衰耗,要求发射机具有较大功率的输出,通信距离越远,要求的输出功率越大。在高频范围内,为了获得足够大的高频输出功率,就要采用高频功率放大器。 本次课程设计的高频功率放大器的技术指标包括输出功率、效率、功率增益、由于高频频功率放大器的输出功率比较大,耗能比较多,所以工作效率就显得比较重要。本课程设计的高频功率放大器电路由两极功率放大器

qq_43543515的博客 3万+

视觉SLAM十四讲笔记(ch1-2)

个人简单理解为,是一种表示拓扑关系、不存在准确距离信息的地图,例如:我家地图是,客厅在中间,周围连着卧室、书房、厨房、卫生间,书房又连着阳台。(OctoMap)、栅格地图(Grid Map)等都属于度量地图,能够从这个地图中获取具体的尺度信息,例如某个点距离某个点多远、XXX障碍物面积有多大。拓扑地图注重表示环境的连接关系,而不是具体的几何细节。稀疏地图例如视觉SLAM建立的特征点地图,是稀疏的,一般多用于自身定位而难以直接导航;场景和成像具有几何关系,近物的像运动快,远物的像运动慢,可推断距离。

Ltr_20213962的博客 685

【华为OD技术面试真题 - 技术面】- 测试面试题(1)

专栏:华为OD面试真题精选 目录: 2024华为OD面试手撕代码真题目录以及八股文真题目录黑盒测试:白盒测试:基本功能验证:边界条件测试:空白输入测试:特殊字符和格式测试:响应时间测试:压力测试:针对在不同系统和设备上测试聊天窗口功能,以及网络正常的前置条件,我们可以增加以下测试用例:系统和设备:PC端测试:移动端测试:功能验证:前置条件:网络性能影响测试:Postman:SoapUI:JMeter:Rest-Assured:Tricentis Tosca:ReadyAPI:CI/CD工具集成:测试管理工

算法大师! 3696

【视觉SLAM十四讲】ch3笔记【逐行代码带你解析】【适合纯小白 ps:因为我就是】(持续更新中)

上面我们知道了旋转矩阵跟旋转向量还有欧拉角都带有奇异性,所以我们引入四元数。用四元数来表达三维空间旋转时它既是紧凑的,也没有奇异性。它是一种类似于复数的代数。但是四元数也有缺点,它不够直观,而且运算稍微比较复杂。想要了解什么是四元数,我们得先了解复平面,下面给出了一个复平面的学习链接。大家如果不清楚什么是复平面的话,可以去看一下:链接:link以下是我学习到这里的时候做的一点小笔记(不许嫌弃我字丑!!!):下面开始讲四元数:一个四元数q拥有一个实部和三个虚部其中i,j,k。

R_ichun的博客 1529

LangChain与LangGraph核心区别解析

LangChain与LangGraph是当前大语言模型(LLM)应用开发中两个紧密相关且极具影响力的开源框架。它们源于LangChain AI公司,设计哲学互补,旨在解决不同维度的LLM工程化问题,共同构成了构建复杂智能应用的强大工具集。

weixin_35774598的博客 1957

出现 has been blocked by CORS policy: No ‘Access-Control-Allow-Origin‘ header is present on the 解决方法

Access to XMLHttpRequest at 'http://127.0.0.1:5000/api/data' from origin 'http://10.197.0.79:8080' has been blocked by CORS policy: No 'Access-Control-Allow-Origin' header is present on the requested resource.

码农研究僧的博客 1万+

视觉SLAM十四讲——ch3回顾与总结(三维刚体运动)

首先了解坐标的变换,因此有了帮助理解,但是由于矩阵太过因此提出了;又因为旋转向量,故有了;但是欧拉角又存在的情况会导致奇异性,因此便有了。在视觉SLAM中,我们用的也是四元数。

琉璃轻纱的博客 606

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

视觉slam十四讲ch6 非线性优化

视觉SLAM十四讲

m0_74625021的博客 1745

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

视觉SLAM学习记录(1)ch1-3

0基础呆瓜大学生学习记录

weixin_63161838的博客 1059

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。

视觉SLAM十四讲学习笔记-第七讲-视觉里程计-三角测量和实践

专栏汇总 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-开发环境搭建_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-旋转矩阵和Eigen库_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-旋转向量、欧拉角、四元数_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-相似、仿射、射.

weixin_36773706的博客 2998
上一篇: 视觉SLAM十四讲学习笔记----ch3 Eigen代码实践
下一篇: Eigen库-学习参考博客汇集
路拾遗37
博客等级 码龄9年 354粉丝 71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