三维空间刚体变换:旋转矩阵
点与坐标系
向量与坐标
空间中最基本的元素是点,点没有长度、体积。将两个点连接得到向量,向量表示由某点指向另一个点的有向线段。
对于一空间基底为 [ i j k ] \begin{bmatrix}i&j&k\end{bmatrix} [ijk]的坐标系,向量 a a a的坐标如下:
a = [ i j k ] ⋅ [ a 1 a 2 a 3 ] = a 1 i + a 2 j + a 3 k a=\begin{bmatrix}i&j&k\end{bmatrix}\cdot\begin{bmatrix}a_1\\a_2\\a_3\end{bmatrix}=a_1i+a_2j+a_3k a=[ijk]⋅⎣⎡a1a2a3⎦⎤=a1i+a2j+a3k
称 [ a 1 a 2 a 3 ] T \begin{bmatrix}a_1&a_2&a_3\end{bmatrix}^T [a1a2a3]T为向量 a a a在此基底下的坐标,坐标的具体取值同向量本身以及坐标系的选取有关。
坐标系可根据由左手法制或右手法制得到而分左手系和右手系:
向量的内积用于描述向量间的投影关系:
a ⋅ b = a T b = ∑ i = 1 3 a i b i = ∣ a ∣ ∣ b ∣ cos ⟨ a , b ⟩ a\cdot b=a^Tb=\sum^3_{i=1}a_ib_i=\vert a\vert\vert b\vert\cos\langle a,b\rangle a⋅b=aTb=i=1∑3aibi=∣a∣∣b∣cos⟨a,b⟩
式中, ⟨ a , b ⟩ \langle a,b\rangle ⟨a,b⟩为向量 a , b a,b a,b间的夹角。
向量的外积为一个向量,其大小等于 ∣ a ∣ ∣ b ∣ sin ⟨ a , b ⟩ \vert a\vert\vert b\vert\sin\langle a,b\rangle ∣a∣∣b∣sin⟨a,b⟩,方向垂直于这两个向量:
a × b = ∥ i j k a 1 a 2 a 3 b 1 b 2 b 3 ∥ = [ a 2 b 3 − a 3 b 2 a 3 b 1 − a 1 b 3 a 1 b 2 − a 2 b 1 ] = [ 0 − a 3 a 2 a 3 0 − a 1 − a 2 a 1 0 ] b = a ∧ b a\times b=\begin{Vmatrix}i&j&k\\a_1&a_2&a_3\\b_1&b_2&b_3\end{Vmatrix}=\begin{bmatrix}a_2b_3-a_3b_2\\a_3b_1-a_1b_3\\a_1b_2-a_2b_1\end{bmatrix}=\begin{bmatrix}0&-a_3&a_2\\a_3&0&-a_1\\-a_2&a_1&0\end{bmatrix}b=a^\wedge b a×b=∥∥∥∥∥∥ia1b1ja2b2ka3b3∥∥∥∥∥∥=⎣⎡a2b3−a3b2a3b1−a1b3a1b2−a2b1⎦⎤=⎣⎡0a3−a2−a30a1a2−a10⎦⎤b=a∧b
引入反对称矩阵,并用 a ∧ a^\wedge a∧表示向量 a a a的反对称矩阵。任何向量仅有唯一一个反对称矩阵:
a ∧ = [ 0 − a 3 a 2 a 3 0 − a 1 − a 2 a 1 0 ] a^\wedge=\begin{bmatrix}0&-a_3&a_2\\a_3&0&-a_1\\-a_2&a_1&0\end{bmatrix} a∧=⎣⎡0a3−a2−a30a1a2−a10⎦⎤
坐标系与欧式变换
在机器人中,定义世界坐标系固定不动,而机器人坐标系跟随着机器人一起移动。同时对每个传感器(IMU、激光雷达、摄像头等)建立传感器坐标系。
设世界坐标系内某点坐标为 W p {}^Wp Wp,上标 W ^W W表示为参考坐标系为世界坐标系 { W } \{W\} {W}:
W p = [ p x p y p z ] ^Wp=\begin{bmatrix}p_x\\p_y\\p_z\end{bmatrix} Wp=⎣⎡pxpypz⎦⎤
由一个旋转加上一个平移得到的运动称为刚体运动。机器人相对于世界的移动就是一个刚体运动,两坐标系间相差一个欧式变换,可通过变换矩阵 T T T得到。
则向量 p p p相对于机器人坐标系的坐标可通过坐标 W p ^Wp Wp与变换矩阵 T T T得到。
旋转矩阵与旋转群
欧式变换由一个旋转和一个平移得到,首先仅考虑旋转运动。
旋转矩阵
设坐标系 { A } \{A\} {A}和坐标系 { B } \{B\} {B},已知坐标系 { B } \{B\} {B}的基底为 [ x C y C z C ] T \begin{bmatrix}x_C&y_C&z_C\end{bmatrix}^T [xCyCzC]T,则可用其相对于 { A } \{A\} {A}的方向余弦组成的矩阵可表示坐标系 { B } \{B\} {B}相对 { A } \{A\} {A}的方位:
B A R = [ A x B A y B A z B ] B A R = [ r 11 r 12 r 13 r 21 r 22 r 23 r 31 r 32 r 33 ] \begin{aligned} ^A_BR=&\begin{bmatrix}{}^Ax_B&{}^Ay_B&{}^Az_B\end{bmatrix}\\ ^A_BR=&\begin{bmatrix}r_{11}&r_{12}&r_{13}\\r_{21}&r_{22}&r_{23}\\r_{31}&r_{32}&r_{33}\\\end{bmatrix} \end{aligned} BAR=BAR=[AxBAyBAzB]⎣⎡r11r21r31r12r22r32r13r23r33⎦⎤
称 C W R ^W_CR CWR为坐标系 { B } \{B\} {B}相对于坐标系 { A } \{A\} {A}的旋转矩阵。
旋转矩阵的九个元素中仅有三个为独立元素,这是因为基底的三分列向量相互垂直,且长度为1:
A x B ⋅ A y B = W y B ⋅ A z B = A z B ⋅ A x B = 0 A x B ⋅ A x B = W y B ⋅ A y B = A z B ⋅ A z B = 1 \begin{aligned} ^Ax_B\cdot{}^Ay_B=^Wy_B\cdot{}^Az_B=^Az_B\cdot{}^Ax_B=0\\ ^Ax_B\cdot{}^Ax_B=^Wy_B\cdot{}^Ay_B=^Az_B\cdot{}^Az_B=1 \end{aligned} AxB⋅AyB=WyB⋅AzB=AzB⋅AxB=0AxB⋅AxB=WyB⋅AyB=AzB⋅AzB=1
由此可得旋转矩阵为正交矩阵 ,满足如下条件:
{ B A R − 1 = B A R T d e t ( B A R ) = 1 \begin{cases} {}^A_BR^{-1}={}^A_BR^T\\ det({}^A_BR)=1 \end{cases} {BAR−1=BARTdet(BAR)=1
单位旋转
对于一个坐标系绕自身的x轴、y轴、z轴旋转 θ \theta θ角的旋转矩阵如下:
R ( x , θ ) = [ 1 0 0 0 cos θ − sin θ 0 sin θ cos θ ] R ( y , θ ) = [ cos θ 0 sin θ 0 1 0 − sin θ 0 cos θ ] R ( z , θ ) = [ cos θ − sin θ 0 sin θ cos θ 0 0 0 1 ] \begin{aligned} R(x,\theta)=&\begin{bmatrix}1&0&0\\0&\cos\theta&-\sin\theta\\0&\sin\theta&\cos\theta\end{bmatrix}\\ R(y,\theta)=&\begin{bmatrix}\cos\theta&0&\sin\theta\\0&1&0\\-\sin\theta&0&\cos\theta\end{bmatrix}\\ R(z,\theta)=&\begin{bmatrix}\cos\theta&-\sin\theta&0\\\sin\theta&\cos\theta&0\\0&0&1\end{bmatrix}\\ \end{aligned} R(x,θ)=R(y,θ)=R(z,θ)=⎣⎡1000cosθsinθ0−sinθcosθ⎦⎤⎣⎡cosθ0−sinθ010sinθ0cosθ⎦⎤⎣⎡cosθsinθ0−sinθcosθ0001⎦⎤
旋转群
旋转矩阵 R ∈ ℜ 3 × 3 R\in\Re^{3\times3} R∈ℜ3×3满足如下约束条件:
- 正交条件 :旋转矩阵的逆等于它的转置, R − 1 = R T R^{-1}=R^T R−1=RT
- 特殊条件: 旋转矩阵的行列式为一, d e t ( R ) = 1 det(R)=1 det(R)=1
将满足上述条件的旋转矩阵 R ∈ ℜ 3 × 3 R\in\Re^{3\times3} R∈ℜ3×3的集合定义为旋转群 S O ( 3 ) SO(3) SO(3):
S O ( 3 ) = { R ∈ ℜ 3 × 3 ∣ R R T = I , d e t ( R ) = 1 } SO(3)=\bigl\{R\in\Re^{3\times3}\big\vert RR^T=I,det(R)=1\bigr\} SO(3)={R∈ℜ3×3∣∣RRT=I,det(R)=1}
旋转群又叫特殊正交群(Special Orthogonal Group),可推广至 ℜ n × n \Re^{n\times n} ℜn×n空间中:
S O ( n ) = { R ∈ ℜ n × n ∣ R R T = I , d e t ( R ) = 1 } SO(n)=\bigl\{R\in\Re^{n\times n}\big\vert RR^T=I,det(R)=1\bigr\} SO(n)={R∈ℜn×n∣∣RRT=I,det(R)=1}
其维数为 n ( n − 1 ) 2 \frac{n(n-1)}{2} 2n(n−1)的流形,当 n = 2 n=2 n=2时用于表示平面运动;当 n = 3 n=3 n=3时用于表示空间转动。旋转群是李群,满足李群条件。
三维空间刚体变换:旋转矩阵相关推荐
- 三维空间刚体变换:变换矩阵
变换矩阵 坐标系描述 用 A p B o ^Ap_{Bo} ApBo表示在参考坐标系 { A } \{A\} {A}下坐标系 { B } \{B\} {B}的原点坐标,并用旋转矩阵 B A R ^A ...
- 三维空间坐标系变换-旋转矩阵
空间中三维坐标变换一般由三种方式实现,第一种是旋转矩阵和旋转向量:第二种是欧拉角:第三种是四元数.这里先介绍旋转矩阵(旋转向量)与欧拉角实现三维空间坐标变换的方法以及两者之间的关系. 这里以常见的世界 ...
- 视觉SLAM——二维三维几何、三维空间刚体变换
前言 本博客为主要学习<视觉SLAM十四讲>第3讲.<机器人学的状态估计>第6章三位几何学基础.<计算机视觉-算法和应用>第2章2.1几何基元变换等SLAM内容的总 ...
- SLAM学习:三维空间刚体变换(1)
1. 欧式变换 相机运动是一个刚体运动,它保证了同一个向量在各个坐标系下的长度和夹角都不会发生变化.这种变换称为欧氏变换. 一个欧式变换由一个旋转和一个平移两部分组成:其中,旋转矩阵表征绕各个坐标轴所 ...
- 高博14讲--第三讲 三维空间刚体运动
高博14讲--第三讲 三维空间刚体运动 旋转矩阵 点和向量.坐标系 坐标系间的欧式变换 变换矩阵与齐次坐标 旋转向量和欧拉角 旋转向量 欧拉角 四元数 四元数的定义 四元数的运算 用四元数表示旋转 四 ...
- 三维空间刚体运动1:旋转矩阵与变换矩阵(详解加代码示例)
三维空间刚体运动1:旋转矩阵与变换矩阵(详解加代码示例) 1. 点.向量和坐标系 2.坐标系间的欧式变换 2.1 旋转 2.2 平移 3.齐次坐标和变换矩阵 4. 相似.仿射和射影变换 4.1 相似变 ...
- 三维空间变换:刚体变换、仿射变换、线性变换、旋转变换
文章目录 1 刚体变换.仿射变换.线性变换的概念 2 旋转变换 2.1 坐标系旋转(逆时针) 2.2 复合旋转 2.3 向量旋转 1 刚体变换.仿射变换.线性变换的概念 刚体变换是指在三维空间中,把一 ...
- 从零开始一起学习SLAM | 三维空间刚体的旋转
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 刚体,顾名思义,是指本身不会在运动过程中产生形变的物体,如相机的运 ...
- 三维空间刚体运动4-5:四元数多点离散数值解插值方法:Sping
三维空间刚体运动4-5:四元数多点离散数值解插值方法:Sping 1. 正切曲率κ(γ,t)\kappa(\gamma, t)κ(γ,t)在H1H_{1}H1上的离散数值解--Sping 1.1 离 ...
最新文章
- Python3.6 和 Pycharm 详细安装教程
- thinkphp框架细节
- IOS报错:Unexpected ‘@’ in program
- java整合mybatis,springboot集成mybatis
- mysqldump: Couldn't execute 'SAVEPOINT sp':
- 在带有组合框的值列表的下拉列表中显示显示属性的子集
- StringIO类的用途
- mysql_unbuffered_query的_用mysql_unbuffered_query函数取大数据
- 漫画:大厂总提SaaS化部署,到底什么是IaaS、PaaS和SaaS?
- Spring Quartz的原理
- python中的ix是啥_python pandas (ix iloc loc) 的区别
- 微软的新一代web开发工具 - WebMatrix2
- ceentos7修改成中文界面
- matlab 加根号
- python数据挖掘项目——航空公司客户价值分析(详解)
- win10关机后cpu风扇还在转_win10系统关机后风扇还转的解决方法
- C-COT目标跟踪代码下载运行
- startx 命令_通过startx从命令行启动KDE
- 让阿里告诉你, iOS开发者为什么要学 Flutter !
- Proteus8.9 VSM Studio SDCC编译器仿真STC15W4K32S4系列013_iic_03_AT24C08