视觉SLAM十四讲学习笔记2——旋转矩阵
二、数学描述
1.首先,由于相机通常是在某些时刻采集数据的,所以我们也只关心这些时刻的位置和地图。
这就把一段连续时间的运动变成了离散时刻 t = 1, . . . , K 当中发生的事情。在这些时刻,用 x 表示自身的位置。于是各时刻的位置就记为 x1, . . . , xK,它们构成了相机的轨迹。地图方面,我们设地图是由许多个路标(Landmark)组成的,而每个时刻,传感器会测量到一部分路标点,得到它们的观测数据。不妨设路标点一共有 N 个,用 y1, . . . , yN 表示它们。
- 在平面中运动,那么,它的位姿由两个位置和一个转角来描述
同时,运动 传感器能够测量到在每两个时间间隔位置和转角的变化量
那么,此时运动方程就可以具体化为
即xk = f (xk−1,uk, wk). 这里 uk 是运动传感器的读数(有时也叫输入),wk 为噪声。
与运动方程相对应,还有一个观测方程。在 xk 位置上 看到某个路标点 yj,产生了一个观测数据 zk,j。
同样,我们用一个抽象的函数 h 来描述这个关系:
zk,j = h (yj , xk, vk,j ).
这里 vk,j 是这次观测里的噪声。由于观测所用的传感器形式更多,这里的观测数据 z 以及观测方程 h 也有许多不同的形式。
可总结为两个基本方程:
2.坐标变换
用外积(X乘)表示向量的旋转:用一个向量来描述三维空间中两个向量的旋转关系。
坐标欧式变换:参考坐标系齐次变换详解_哔哩哔哩_bilibili,讲的很清楚
齐次坐标与变换矩阵:升一维转变为线性。
如下图,对向量a增加了一行1,这样就可以用一个矩阵乘法同时表示坐标平移和旋转
注意,如果增加的一行为0,那么表示的是向量而不是坐标
另一种理解,类似SVM支持向量机
如图, 在二维平面上的线性无关的点,进入三维空间,则在同一平面上,它们在高维空间的投影线性相关。
3.罗德里格斯公式
任意旋转都可以用一个旋转轴和一个旋转角来刻画。于是,我们可以使用一个向量,其方向与旋转轴一致,而长度等于旋转角。这种向量,称为旋转向量(或轴角,AxisAngle)。这种表示法只需一个三维向量即可描述旋转。同样,对于变换矩阵,我们使用一个旋转向量和一个平移向量即可表达一次变换。这时的维数正好是六维。假设有一个旋转轴为 n,角度为θ的旋转,显然,它对应的旋转向量为θn。
据说推导很麻烦:(,本文就不写了
视觉SLAM十四讲学习笔记2——旋转矩阵相关推荐
- 视觉SLAM十四讲学习笔记-第七讲-视觉里程计-三角测量和实践
专栏汇总 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第 ...
- 视觉SLAM十四讲学习笔记-第七讲-视觉里程计-对极几何和对极约束、本质矩阵、基础矩阵
专栏系列文章如下: 专栏汇总 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLA ...
- 视觉SLAM十四讲学习笔记-第六讲学习笔记总结(1)---非线性优化原理
第六讲学习笔记如下: 视觉SLAM十四讲学习笔记-第六讲-非线性优化的状态估计问题_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第六讲-非线性优化的非线性最小二乘问题_ ...
- 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 ...
- 视觉SLAM十四讲学习笔记---前三讲学习笔记总结之SLAM的作用、变换和位姿表示
经过半年学习SLAM相关知识,对SLAM系统有了一些新的认识,故回看以前的学习记录,做总结和校正. 前三讲学习笔记如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉S ...
- 视觉SLAM十四讲学习笔记-第七讲-视觉里程计-特征点法和特征提取和匹配实践
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...
- 视觉SLAM十四讲学习笔记-第六讲-非线性优化的实践-高斯牛顿法和曲线拟合
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...
- 视觉SLAM十四讲学习笔记-第六讲-非线性优化的非线性最小二乘问题
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...
- 视觉SLAM十四讲学习笔记-第六讲-非线性优化的状态估计问题
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...
- 视觉SLAM十四讲学习笔记-第四讲-Sophus实践、相似变换群与李代数
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...
最新文章
- [codeforces]Round #538 (Div. 2) F. Please, another Queries on Array?
- 面试请不要再问我Spring Cloud底层原理
- Beyond Compare 3 设置自动换行
- cdn jquery怎么没有提示_第一个jQuery程序
- loadrunner简单使用——HTTP,WebService,Socket压力测试脚本编写
- 微软:本周三个安全更新 暂不会修正Excel漏洞
- php 静态方法 call,php的 __callStatic 函数
- Tomcat安装与环境变量的配置
- com.alibaba.easyexcel导出指定的列_使用Python导入导出Excel表格
- gnome没有命令行_命令行提示,喜欢GNOME的8个理由,自动Raspberry Pi备份等
- 微信开发 Java SDK
- 荣耀Magic 3渲染图曝光:超大主摄暗示顶级成像效果
- 嘿!你的“苹果”已经被盯上啦
- gitlib命令的使用
- EKF扩展卡尔曼滤波估算SOC/锂电池SOC估算估计/EKF估算SOC 基于二阶RC模型搭建
- 2021年疫情再度爆发,面对停课教培机构该如何应对?
- html实现微信扫一扫,JS 实现微信扫一扫功能
- 我已经可以想象,疫情结束后全国男生会……
- linux学习——1.ping通百度
- 求某数0次幂到n次幂之和
热门文章
- Java控制台banner_SpringBoot自定义Banner
- keras - 构建并训练一个model--超级基础篇
- 计算机毕业设计之java+ssm社区房屋租赁失物招领互助综合管理系统
- MAL-PEG-NHS 马来酰亚胺-聚乙二醇-活性酯 NHS-PEG-Maleimide
- linux rsa命令,学习一个 Linux 命令:openssl
- 【洛谷P5249】【LnOI2019】—加特林轮盘赌(概率dp)
- 启动Anaconda卡在loading applications的解决办法
- vue-cli3访问不到public目录下的json数据
- magento mage.php,Magento源码分析笔录二:Mage.php主要枢纽类
- [转]看完之后~请沉思10秒