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· ,则当满足一下四个性质的时候,称(G, •)为一个群。
(1)封闭性(closure):任意a,b属于G,有a·b仍然属于G;
(2)结合性(associativity):任意a,b,c属于G,有(a·b)·c = a·(b·c);
(3)单位元(幺元)(identity):存在a0属于G,对任意b属于G,均有a0·b = b·a0= b;
(4)逆元(invertibility):任意a属于G,存在a-1属于G,使得a·a-1= a0 。
2 特殊正交群和特殊欧几里得群
特殊正交群:
特殊欧几里得群:
李群:
• 李群是一个微分流形,群上的操作是光滑的。
• 矩阵李群的元素是矩阵,群上的运算是矩阵乘法,元素的逆即矩阵的逆。
• SO(3)和SE(3)都是李群,但是只对乘法封闭,对加法不封闭,不适合做微分、求导运算。
3 李代数
3.1 李代数定义
对于任意一个李群,都存在一个李代数与之对应。李代数是一种位于向量空间的代数结构。李代数包含一个集合V,一个数域F和一个二元运算[ , ]。如果它们满足一下四条性质(封闭性、双线性、自反性、雅克比等价),就称(V, F, [ , ]) 为一个李代数。
(1)封闭性(closure):[X, Y]属于V,
(2)双线性(bilinearity):[aX+bY,Z] = a[X,Z]+b[Y,Z], [Z, aX+bY]= a[Z,X]+b[Z,Y],
(3)自反性(alternating):[X, X] =0,
(4)雅克比等价(Jacobi identity):[X, [Y,Z]] + [Z, [X,Y]] +[Y, [Z,X]] =0
3.2 李代数的引出过程
3.3 旋转和变换的李代数so(3)和se(3)
与SO(3)对应的李代数是so(3):
与SE(3)对应的李代数是se(3):
4 指数映射和对数映射
4.1 指数映射
指数映射是从李代数映射到李群的一种方式。
为了定义矩阵指数运算,需要用到泰勒展开式。
令,关于有如下性质:
关于 进行泰勒展开:
即罗德里格斯公式。这说明so(3)的物理意义就是旋转向量。
对于se(3)和SE(3),也能得到类似的指数映射关系。
4.2 对数映射
同理,给定旋转矩阵(李群元素),也能求出对应的李代数。
实际中可以采用下面的公式来求解。
小结
本文的内容参考了《state estimation for robotics》,以及高博(半闲居士)的SLAM公开课,如有错误,敬请指正。
视觉SLAM中的李群李代数基础相关推荐
- 视觉SLAM中,本质矩阵、基础矩阵、单应性矩阵自由度和秩分析
视觉SLAM中,本质矩阵.基础矩阵.单应性矩阵自由度和秩分析 1.各个矩阵的自由度 由于基础矩阵和本质矩阵都是由对极约束来的 1.1 本质矩阵E的自由度为5,秩为2 1.1.1 自由度: 首先,旋转和 ...
- 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 ...
- SLAM14讲学习笔记(一) 李群李代数基础
第二次翻看<视觉SLAM十四讲>,发现第一次看过的都忘记了,认真分析了一下,我认为是第一次学习没有弄清楚整体的脉络.因此这次做一个小小的总结,希望不要再过几天又忘掉.前面的内容就没有总结的 ...
- SLAM | 视觉SLAM中的后端:后端优化算法与建图模板
点击上方"AI算法修炼营",选择加星标或"置顶" 标题以下,全是干货 前面的话 前面系列一中我们介绍了,VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息 ...
- SVO: 视觉SLAM中特征点法与直接法结合
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 前面的话 VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息 ...
- SLAM | 视觉SLAM中特征点法与直接法结合:SVO
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前面的话 VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息对相机进行定位并同时构建周围环境地图 ...
- 视觉SLAM中的公制尺度(metric scale)
在很多视觉SLAM相关的文献中,都能看到一个词:metric scale,翻译为公制尺度.搜索这个词,得到的结果都是关于公制单位的. 其实在SLAM中公制尺度可以理解为"现实中的尺度&quo ...
- OA-SLAM:在视觉SLAM中利用对象进行相机重新定位
作者 | 鱼肖浓 编辑 | 汽车人 原文链接:https://zhuanlan.zhihu.com/p/587010197 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷 ...
- 视觉SLAM中PNP求解
PNP(Perspective-n-points)是SLAM中估计位姿的重要方法.已知条件为路标点在相机1中的相机坐标以及投影到相机2中的像素坐标,据此去估计相机1.相机2间的位姿.主要解法包括DLT ...
最新文章
- 【c语言】求两数之和
- 数字大脑学术沙龙:“城市大脑与应急管理专题研讨会”成功召开
- vlan之间互相访问_VLAN的划分和网络的配置实例
- intellij自动生成构造函数
- 非对称加密, 助记词, PIN, WIF
- linux 基础学习入门 5 inode 总结 tr tee 等小命令
- Python监视域名对应IP地址变化情况
- sklearn逻辑回归参数设置_【机器学习笔记】:逻辑回归实战练习(二)
- AdventureWorks范例数据库
- 思科模拟器配置静态路由
- 绘画技巧:怎样才能画好拟人化兽人?
- [易飞]一张领料单单身仓库quot;飞了quot;引起的思考
- 洛谷P4683 [IOI2008] Type Printer 题解
- java基础篇(11) 枚举类型
- 计算机语言zuv,我们的拼语_大家的语言_新浪博客
- 超神学院暗质计算机,超神学院之黑白守护者
- 【转】linux shell 正则表达式(BREs,EREs,PREs)差异比较
- ::ZheTian / 遮天 强大的Anti-Virus对抗工具
- HTC ONE M7 ROOT后恢复 原始状态(保修)
- 社恐怎么办?这个漫画或许能治愈你
热门文章
- flutter友盟分享_集成推送那点事-友盟/Mob-Flutter/FCM
- C语言实现『推箱子』
- WinEdt, eso-pic.sty not found
- alpine 服务器系统,alpine系统装zerotier-one
- alpine linux apk删除,把玩Alpine linux(二):APK包管理器
- Daily Accumulation
- vue-router 判断是否登陆,未登录跳转登陆页面
- 激活office2016遇:The Software Licensing Service reported that the product SKU is not found.
- 微型计算机MMX的技术特点,自考04732微型计算机及接口技术试卷(答案全面)
- 【JZOJ4884】【NOIP2016提高A组集训第12场11.10】图的半径