第4讲 李群和李代数
什么是群?什么是李群?
群是一种集合加上一种运算的代数结构。这种运算必须满足“凤姐咬你”这四条性质。
常见的群有:特殊正交群,特殊欧式群,它们都对矩阵乘法构成群。
如果对上一讲的内容有印象的话,会回忆起来:
- 三维旋转矩阵构成了特殊正交群
- 变换矩阵构成了特殊欧式群
和对矩阵乘法都是封闭的,矩阵乘法对应着旋转或变换的复合,两个旋转矩阵相乘表示做了两次旋转、两个变换矩阵相乘表示做了两次欧式变换。
那么,什么是李群呢?
李群,是指具有连续(光滑)性质的群。
什么是具有连续性质的群?看一下这个例子:显然整数和整数的加法构成了一个群(,+),但是这是一个离散的群,因为中间有很多的数都取不到。
和在实数空间上是连续的,所以它们是李群。
我们也可以直接直观的想象出来,和都是描述刚体在空间中的运动的,而刚体在空间中的运动肯定是连续的,所以它们是李群。
什么是李代数?
每个李群都有对应的李代数。李代数描述了李群的局部性质。
李代数的定义如下:李代数由一个集合,一个数域和一个二元 运算组成,如果它们满足以下性质,则成为一个李代数,记作。
- 封闭性:
- 双线性:
- 自反性:
- 雅可比等价:
其中李代数中的二元运算称为李括号。
李群和李代数的关系
考虑任意一个旋转矩阵,它满足:
因为表达的是相机的旋转,它会随时间连续的变化,即为时间的函数:
但是仍然是旋转矩阵,则有:
等式的两边同时对时间进行求导,得到:
整理得到:
由反对称的定义可知:是一个反对称矩阵。
先回忆一下之前的知识:
在介绍向量的叉积,引入了符号,将一个向量映射成一个反对称矩阵。
同理,对于任意一个反对称矩阵,我们也可以找到一个向量,与之对应,我们把这个运算用表示。
用数学公式就可以表达为:
,
于是,由于是一个反对称矩阵,于是可以找到一个三维向量与之对应,即:
等式两边同时右乘,由于正交,于是有:,
可以看到,每对旋转矩阵求一次导数,就相当于对它左乘一个
为方便讨论,我们设,并设此时对应的旋转矩阵为。
现在,我们将在处进行泰勒展开,得到:
可以看到,反映了的导数性质,所以我们称它为SO(3)原点附近的正切空间上。
(下面是书上的推导公式,其实我个人认为这样的推导不是很合理,也有可能是我没有完全理解)
同时在附近,设保持为常数,于是根据得到:
就是这一步不是很理解,因为仅仅是在的附近保持不变,而不是在整个的范围内保持不变,所以这里只将代入中,我感觉上面的等式是不成立的。如果有人理解了这一步的话,希望能够给我讲解一下,万分感谢!
接着讲,上面是一个关于的微分方程,而且知道了的初始值为,解微分方程可以得到:
(不会解的可以回去看一下高数的一阶线性微分方程的解法)。
总结:
我们看到,旋转矩阵与另一个反对称矩阵通过指数关系发生了联系,也就是说,当我们知道某个时刻的时,存在一个向量,它们满足这个矩阵指数关系。有下面两个问题要提现说明一下:
(1)与对应的有什么含义呢?后面可以看到,就是对应到上的李代数。
(2)矩阵指数如何计算?这也就是后面要学习的李群和李代数之间的指数/对数映射。
这一节的知识很不好理解,迷迷糊糊的。所以就先到这里了。下一篇开始学习对应的李代数。
第4讲 李群和李代数相关推荐
- 第四讲——李群和李代数
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第四讲主要聊了李代数与李群的定义,关联,如何通过指数映射与对数映射互相转换.李 ...
- 视觉SLAM十四讲学习笔记-第四讲-李群与李代数基础和定义、指数和对数映射
基础: 在SLAM中的旋转,除了表示之外,我们还要对它们进行估计和优化.因为在SLAM中位姿是未知的,而我们需要解决什么样的相机位姿最符合当前观测数据这样的问题.一种典型的方式是把它构建成一个优化问题 ...
- 视觉SLAM十四讲笔记-第四讲 李群与李代数
目录 前提摘要: 一.群 1.1注意对象不同 1.2 概念 二.李群与李代数 2.1 李群 (Lie Group) 2.2 李代数 三.指数映射和对数映射 3.1 李代数so(3)指数映射 3.2 s ...
- 视觉SLAM十四讲——第四讲李群与李代数
@ <视觉SLAM十四讲>知识点与习题 <视觉SLAM十四讲>第四讲知识点整理+习题 正在学习SLAM相关知识,将一些关键点及时记录下来. 知识点整理 本讲主要解决**什么样的 ...
- 视觉SLAM十四讲学习笔记——第四讲--李群与李代数
4.1李群与李代数基础 旋转矩阵和变换矩阵对加法是不封闭的.换句话说,对于任意两个旋转矩阵R1, R2,按照矩阵加法的定义,和不再是一个旋转矩阵. SO(3) 和 SE(3)对乘法是封闭的.两个旋转矩 ...
- 第4讲 李群与李代数
这一章基本上都是在介绍数学上的知识,涉及到一个以前没有接触过的知识-群论. 首先可以给这一章的内容扣一个帽子,在最小化误差的时候,常常会出现对一个矩阵求导的操作,但是由于旋转矩阵对正交矩阵的限制,导致 ...
- 视觉SLAM14讲——李群与李代数
前面的文章说过三维空间的刚体运动,介绍了旋转的表示.在SLAM中相机的位姿是不确定的,需要我们进行优化,常用的优化方法便是求导,但是旋转矩阵由于自身的特殊性(行列式为1的正交矩阵),使我们无法直接对旋 ...
- 第4讲 李群与李代数 - Sophus库安装
Sophus安装过程: $ git clone https://github.com/strasdat/Sophus.git $ cd Sophus $ git checkout a621ff $ m ...
- 视觉SLAM十四讲学习笔记-第四讲---第五讲学习笔记总结---李群和李代数、相机
第四讲---第五讲学习笔记如下: 视觉SLAM十四讲学习笔记-第四讲-李群与李代数基础和定义.指数和对数映射_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第四讲-李代数求导与扰动模 ...
最新文章
- Mac OS使用技巧十九:Safari碉堡功能之二查看网页源代码
- 移动硬盘格式化了的资料找回方法
- 云计算将使IT人失业?惠普推云计算裁员九千!程序员如何面对即将到来的产业大调整?...
- linux系统网络编程简介,Linux网络编程入门
- php 实现图片上传并压缩功能
- 费城中餐馆奇葩鸡翅定价引爆网络,数万网友想要破解数学谜题
- 如何在Chrome浏览器中创建账户?
- 使用Python操作PowerPoint文件中的表格
- 如果NATv6 是个笑话,那么 IPv6 是什么?
- ubuntu-16.04安装程序报错 you might want to run 'apt-get -f install' to correct these
- 聊聊 Jmeter 如何并发执行 Python 脚本
- DisplayObjectContainer 属性和方法
- [转载]计算机端口详解
- This tag and its children can be replaced by one TextView/ and a compound drawable
- 2020年4月11日
- layui实现管理后台页面效果
- 家用监控摄像机录制视频上的时间水印有什么用
- systemd的日志存在哪里?
- 浙江省政协十二届二次会议在杭州开幕
- 这里是Python爬虫的起点,抢占资源啦(Python学习教程)