1.基

首先，基的数学定义如下：

先来看看线性相关：一个向量组里，只要有一个向量可以由其它向量线性表示，我们就称这个向量组线性相关。比如：

{a1, a2, a3} 线性相关，因为 a1+a3 = a2;
{a4, a5},{a4, a7}都线性相关

那么，线性无关：如果向量组里的任意一个向量都不能由其它向量线性表示，大家都是独一无二的存在。比如在二维平面上{a1, a3}线性无关，因为不共线

为了方便计算或者表示空间中的向量，我们一般选择正交基(例如：直角坐标系)

2.欧拉角：

欧拉角有三种：

俯仰：Pitch（绕y轴旋转）
偏航：Yaw（绕z轴旋转）
翻滚：Roll（绕x轴旋转）

常用的一种：偏航-俯仰-翻滚（yaw-pitch-roll）等价于ZYX轴旋转，向量表示为[r, p, y]

欧拉角的一个重大缺陷是会碰到万向锁问题：在俯仰角为±90度时，第一次旋转与第三次旋转将使用同一个轴，使得系统丢失一个自由度。（万向锁问题）

3.旋转的表示方式：

旋转矩阵：绕坐标轴依次旋转
旋转向量：绕任意轴一次直接旋转一个角度得到

3.1.旋转矩阵

首先，旋转矩阵是一个3×3的正交矩阵，即R^TR=E，但是9个未知数，只有6个约束（对角约束相同），所以有3个自由度，当然可以类推，m阶矩阵共有m(m-1)/2个自由变量。

我们先绕某一个轴进行旋转，例如：x轴，那么分为两种情况：顺时针旋转和逆时针旋转，我们采用高中还是初中学的力的分解来求解旋转矩阵，将y轴和z轴视为一种力，然后将其正交分解在新的坐标轴y'和z' ，然后再进行力的合成可以得到如下的结果：

逆时针旋转（旋转前：z,y，旋转后：z',y'）

顺时针旋转（旋转前：z',y'，旋转后：z,y）

3.2.姿态求解

旋转z轴：旋转前坐标：（x0, y0, z0）, 旋转后坐标：（x1, y1, z1）

旋转y轴：旋转前坐标：（x1, y1, z1）, 旋转后坐标：（x2, y2, z2）

旋转x轴：旋转前坐标：（x2, y2, z2）, 旋转后坐标：（x3, y3, z3）

4.旋转向量

旋转矩阵表示的局限性：

SO(3)旋转矩阵有9个量，但自由度为3，因此表示方法有冗余，同理可得，变换矩阵16个量，但是自由度为6。
旋转矩阵带有约束，它必须为正交矩阵，且行列式为1，优化时困难。

在三维中，旋转可以通过单一的旋转角 θ和所围绕的单位向量方向 v=(x,y,z)来定义。对于旋转向量r，其方向与旋转轴一致，长度等于旋转角θ

旋转向量到旋转矩阵：

旋转矩阵到旋转向量：

#include <vector>
#include <Eigen/Core>
#include <Eigen/Geometry>
#include <opencv2/opencv.hpp>// 1. Eigen 实现// 旋转向量转旋转矩阵Eigen::Vector3d rvec (r_x, r_y, r_z);     double n_norm = rvec.norm();Eigen::AngleAxisd rotation_vector (n_norm, rvec/n_norm);Eigen::Matrix3d rotm;rotm = rotation_vector.toRotationMatrix();// 旋转矩阵转旋转向量Eigen::Matrix3d rotation_matrix;rotation_matrix << x_00,x_01,x_02,x_10,x_11,x_12,x_20,x_21,x_22;Eigen::AngleAxisd rotation_vector;rotation_vector.fromRotationMatrix(rotation_matrix);// 2. OpenCV 实现// 旋转向量转旋转矩阵cv::Mat rvec = (cv::Mat_<double>(3,1) << r_x, r_y, r_z);cv::Mat rotm;cv::Rodrigues(rvec, rotm);// 旋转矩阵转旋转向量cv::Mat rvec;cv::Mat rotm = (cv::Mat_<double>(3,3) << x_00,x_01,x_02,x_10,x_11,x_12,x_20,x_21,x_22);cv::Rodrigues(rotm, rvec);

证明：罗德里格斯（Rodrigues）旋转方程推导
罗德里格斯公式理解、推导

参考：

机器人学之3D欧式变换理论与实践
三维空间的刚体运动
旋转矩阵
三维坐标系旋转——旋转矩阵到旋转角之间的换算
三维旋转矩阵推导
旋转矩阵（Rotation Matrix）的推导及其应用

【一】欧式空间、欧式变换相关推荐

线性代数与解析几何——Part4 欧式空间酉空间
线性代数与解析几何--Part4 欧式空间 & 酉空间 1. 欧氏空间 1. 定义 & 性质 2. 内积表示与标准正交基 3. 欧氏空间的同构 4. 欧氏空间的线性变换 5. 欧氏空间 ...
欧氏空间内积定义_线性代数 (8) -- 欧式空间 (让生活大不同)
以欧式空间中的概念描述概率论中的基本知识. 期望是垂直投影, 条件期望也是垂直投影. 相关系数是二面角的余弦值. 设样本集合 , 且发生的概率为 , , 且 . 设随机变量 , 换句话讲, 我们可以 ...
有没有人被向量空间、内积空间、欧式空间、希尔伯特空间、巴拿赫空间概念折磨的？
第一篇,记录一下.看到CSDN年度描述说这个号有15年代码龄,惭愧,都是业余兴趣看看而已,啥都不会问个问题,有没有人被向量空间.内积空间.欧式空间.希尔伯特空间.巴拿赫空间这些概念折磨的够呛 ,被吓 ...
欧氏空间距离和内积_欧式空间、内积空间和赋范空间之间的关系
满意答案 stalbn 2014.05.18 采纳率:44% 等级:12 已帮助:6557人 (1)赋范向量空间是具有"长度"概念的向量空间.是通常的欧几里德空间 Rn 的推 ...
实内积空间和欧式空间的定义
实内积空间和欧式空间的定义类比线性变换的矩阵表示,内积运算也可以用一个度量矩阵表示
欧式空间与酉空间——概念区分
欧式空间: 设V是实数域R上的线性空间,在V上任意两向量x.y按某一确定法则对应于唯一确定是的实数,称为内积,记为(x,y),满足以下性质: 1)对称性(x,y)=(y,x): 2)可加性(x+y ...
图卷积（1）——从欧式空间到非欧式空间
图卷积(1)--从欧式空间到非欧式空间普通卷积神经网络多维欧式空间局部空间响应卷积参数共享活性卷积一般卷积神经网络处理的数据都是规则排序,输入维度固定的,比如语音序列.图像像素或者视频帧, ...
【转】欧式空间与酉空间——概念区分
原文地址:https://blog.csdn.net/zhongkejingwang/article/details/43053513,转载主要方便随时查阅,如有版权要求,请及时联系. 欧式空间: 设 ...
关于n维欧式空间上梯度，Hesse矩阵的定义及两个重要结论
关于n维欧式空间上梯度,Hesse矩阵的定义及两个重要结论下面给出证明过程:
图卷积神经网络笔记——第一章：系统性地介绍，卷积为什么要从欧式空间转到非欧式空间
第二章链接. 目录一.人工神经网络发展浪潮二.卷积计算与神经网络结构 1.卷积定理 2.基本概念--卷积 3.基本概念--池化.全连接 4.多层卷积神经网络 5.现代卷积神经网络结构基础 -- L ...

【一】欧式空间、欧式变换

1.基