机器人与视觉——李群与李代数,李括号性质的分析与证明
李群与李代数,李括号性质的分析与证明
- 1. 群的概念
- 1.1 特殊正交群S0(3)与特殊欧式群SE(3).
- 1.2 李群与李代数
- 2. 李代数的性质与证明
- 2.1 李代数的定义
- 2.2 李括号的定义
- 2.3 三维向量 R 3 \mathbb{R}^3 R3上定义叉积 × \times ×是一种李括号的证明
- 2.3.1 封闭性
- 2.3.2 双线性
- 2.3.3 自反性
- 2.3.4 雅可比等价性
- 2.4 SO(3)对应的李代数so(3)与SE(3)对应的李代数se(3)
- 本文重点描述李群(Lie Group)与李代数(Lie Algebra)的相关定义与性质。
- 群(Group)是一种集合加一种运算组成的结构。
- 从李群,推导出李代数,得到了李代数是李群在单位元处的正切空间(Tangent Space)的概念。
- 随后,证明了三维向量上李括号的性质,即两个三维向量的李括号是李代数。
如果需要看另一种描述方法,另一种描述观点,通过相机的移动,来表达场景。如何构造SLAM移动场景的坐标表示,采用李群与李代数,来进行矩阵的操作。请看另外一篇博文:李群与李代数对SLAM移动场景的运动坐标表示。
1. 群的概念
1.1 特殊正交群S0(3)与特殊欧式群SE(3).
1.2 李群与李代数
2. 李代数的性质与证明
2.1 李代数的定义
2.2 李括号的定义
- 这里面需要注意的是,每个 ϕ = [ ϕ 1 , ϕ 2 , ϕ 3 ] T \boldsymbol\phi=[\phi_1,\phi_2,\phi_3]^T ϕ=[ϕ1,ϕ2,ϕ3]T 生成的反对称矩阵记为 Φ \Phi Φ,Note:( ∧ \wedge ∧ 代表反对称矩阵,skew matrix)。
Φ = ϕ ∧ = [ 0 − ϕ 3 ϕ 2 ϕ 3 0 − ϕ 1 − ϕ 2 ϕ 1 0 ] \Phi = \boldsymbol\phi^{\wedge}= \left[ \begin{matrix} 0 & -\phi_3 & \phi_2 \\ \phi_3 & 0 & -\phi_1 \\ -\phi_2 & \phi_1 & 0 \end{matrix} \right] Φ=ϕ∧=⎣⎡0ϕ3−ϕ2−ϕ30ϕ1ϕ2−ϕ10⎦⎤
- so(3)的李括号为: [ ϕ 1 , ϕ 2 ] = ( Φ 1 Φ 2 − Φ 2 Φ 1 ) ∨ [\boldsymbol\phi_1,\boldsymbol\phi_2]=(\Phi_1\Phi_2-\Phi_2\Phi_1)^{\vee} [ϕ1,ϕ2]=(Φ1Φ2−Φ2Φ1)∨。Note:( ∨ \vee ∨ 代表反对称矩阵转换回向量形式)。
2.3 三维向量 R 3 \mathbb{R}^3 R3上定义叉积 × \times ×是一种李括号的证明
有些参考材料上,写的是两个二维向量的李括号是李代数的证明。
2.3.1 封闭性
2.3.2 双线性
2.3.3 自反性
2.3.4 雅可比等价性
2.4 SO(3)对应的李代数so(3)与SE(3)对应的李代数se(3)
我们在下一章会介绍和推导指数映射和对数映射,如何从SO(3)的旋转矩阵R来求出对应的李代数so(3)。更多的内容,指数映射,与对数映射,相机位姿的变换,对场景目标点的作用,如何连续构造变换矩阵,表征场景/相机的运动。请阅读另一篇博文:李群与李代数对SLAM移动场景的运动坐标表示。
有关李代数与李群的一些数学细节证明,在这篇文章中给出描述:《SLAM十四讲》第四讲 李群与李代数 习题5证明。
机器人与视觉——李群与李代数,李括号性质的分析与证明相关推荐
- 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 学习笔记-3(李群和李代数)
第一次听没有怎么懂这一章节,后来又重新学习了一遍才弄懂了一点.我发现pdf教材一行一行抠细节全部看一遍还是能够理解的,很多推导和逻辑都比视频清晰很多. 目录 李群和李代数: 李群 : 李代数引出: 李 ...
- 视觉SLAM中的数学基础 第三篇 李群与李代数
转自:http://www.cnblogs.com/gaoxiang12/p/5137454.html 致敬原作者,请移步原作者博文详细浏览 前言 在SLAM中,除了表达3D旋转与位移之外,我们还要对 ...
- 视觉SLAM —— 李群与李代数
一.群 1.1 群的定义 群(Group)是一种集合加上一种运算的代数结构.把集合记作A,运算记作 · ,那么群可以记作G = (A,· ),群要求这个运算满足如下条件(封结幺逆--凤姐咬你): 封闭 ...
- 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——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SLAM14讲笔记分享——第四章【李群与李代数】
李群与李代数基础 群 直观的理解:群就是一种特殊的代数结构,这种代数结构是由一种集合加上一种运算组成,我们把集合记作A,运算记为 ⋅ \cdot ⋅,那么群记为 G = ( A , ⋅ ) G=(A, ...
- 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 ...
- 视觉SLAM基础——李群与李代数
1. 定义 旋转矩阵构成了特殊正交群SO(3)SO(3)SO(3),齐次变换矩阵构成了特殊欧氏群SE(3)SE(3)SE(3),但是旋转矩阵和变换矩阵对于加法是不封闭的,也就是两个旋转矩阵的和不再是一 ...
最新文章
- Error:Could not download guava.jar (com.google.guava:guava:19.0): No cached version available for of
- java lifo 队列_1.8 Java 队列 Queue、双端队列 Deque - Java 知识总结与学习
- web.xml 里context-param 、listener、 filter、servlet 加载顺序
- 成功解决采用ax.bar进行三维绘图绘制柱状图的时候,横坐标只显示三列而不是数据中的四列
- 第十四章 Linux核心资源
- 【解析】UVA-548 Tree
- MVC 之var与dynamic
- C语言的变参函数设计
- Yii Framework2.0开发教程(6)数据库mysql--ActiveRecord
- 班级管理系统v_1.1
- 【软件工程】——详细设计说明书
- java queue GATK_GATK使用注意事项
- 股权-公司治理的至高点,如何合理运用股权(融人、融资、融市场) 张明若
- 用迅雷校验网盘下载的出错文件
- python读取包含层级关系的excel
- 浏览器及Windows常用快捷键汇总
- Jest 单元测试快速入门
- Stars in Your Window 【POJ - 2482】【线段树扫描线】
- 简单的人工智能背景调查
- bzoj3811 玛里苟斯
热门文章
- 夜已深,为何身体没有困意!
- 从 smali 接入第三方 sdk
- 编写sdk提供给第三方使用(比如接口请求类)
- Linux那些事儿之我是U盘(5)外面的世界很精彩
- mysql进行创建序列化
- 这几个拍图读字软件你见过吗?附赠使用方法
- Java语言的跨平台性或Java语言为什么说可以跨平台运行
- 笔记本显示器仅计算机,Nvidia X服务器设置仅显示1个屏幕(笔记本电脑+已连接外部显示器)...
- 物理动画流体实现流程(Physically Based Fluid Animation)
- 北京汉正天成科技有限公司大家听说过没?这家公司怎么样?