资源经验分享自动驾驶(三十八)---------视觉SLAM(空间刚体运动)

自动驾驶(三十八)---------视觉SLAM(空间刚体运动)

2019-12-30 | |  97 |   0

原标题:自动驾驶(三十八)---------视觉SLAM(空间刚体运动)

原文来自:CSDN      原文链接:https://blog.csdn.net/zhouyy858/article/details/100988501


       三维空间刚体运动,所谓空间刚体运动是指空间旋转矩阵,介绍空间旋转先介绍向量的内积和外积。

       对于向量03.png04.png而言

1. 内积(点积)                                                                                                                                                                                         点积公式为: 05.png     ,点乘的结果是一个标量(数量而不是向量)    

       两个向量ab的内积为 a·b = |a||b|cos∠(a, b),内积表征或计算两个向量之间的夹角,结果为b向量在a向量方向上的投影.

2. 外积(叉乘)

      向量ab的外积a×b是一个向量(法向量),其长度等于|a×b| = |a||b|sin∠(a,b),其方向正交于ab。并且,(a,b,a×b)构成右手系,该向量垂直于a和b向量构成的平面。外积还有另外一个几何意义就是:|a×b|在数值上等于由向量a和向量b构成的平行四边形的面积。

3.欧拉角转旋转矩阵 

       欧拉角通过将刚体绕过原点的轴(i,j,k)旋转,如果将每一个角度用旋转矩阵表示如下:

           06.png07.png08.png

       欧拉角转旋转矩阵如下:09.png

       欧拉角的缺点:

  1.  欧拉角的表示方式不唯一。给定某个起始朝向和目标朝向,即使给定yaw、pitch、roll的顺序,也可以通过不同的yaw/pitch/roll的角度组合来表示所需的旋转。这其实主要是由于万向锁(Gimbal Lock)引起的;

  2.  欧拉角的插值比较难;

  3.  计算旋转变换时,一般需要转换成旋转矩阵,这时候需要计算很多sin, cos,计算量较大;

4. 四元数

      四元数本质为复数,复数最基础的印象是: x=a+bi,a为实部,b为虚部,i为虚数单位; 

      四元数和这种类似,只是虚数部分为i,j,k,四元数表示为: x=a+bi+cj+dk; 

      欧拉角三个角顺序严格要求,不能想换交换,四元数采用一个旋转解决问题,四元数的本质是一个向量围绕另一个向量进行旋转,假设某个旋转是绕单位向量 n = [nx,ny,nz]T ,找不到一种不带奇异性的三维向量描述方式,四元数是Hamilton 找到的一种扩展的复数. 它既是紧凑的,也没有奇异性。一个四元数q 拥有一个实部和三个虚部。假设某个旋转是绕单位向量n = [nx, ny, nz] 进行了角度为θ 的旋转,四元数形式为

                                                       10.png

    四元数常见的运算有四则运算、数乘、逆、共轭、求模长等。四元数与转换矩阵的转换关系为:

                                               11.png

   

 

 

 

 

 

                             

免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。

合作及投稿邮箱:E-mail:editor@tusaishared.com

上一篇:自动驾驶(三十七)---------视觉SLAM(资料介绍)

下一篇:自动驾驶(三十九)---------视觉SLAM(李群与李代数)

用户评价
全部评价

热门资源

  • Python 爬虫(二)...

    所谓爬虫就是模拟客户端发送网络请求,获取网络响...

  • TensorFlow从1到2...

    原文第四篇中,我们介绍了官方的入门案例MNIST,功...

  • TensorFlow从1到2...

    “回归”这个词,既是Regression算法的名称,也代表...

  • TensorFlow2.0(10...

    前面的博客中我们说过,在加载数据和预处理数据时...

  • 机器学习中的熵、...

    熵 (entropy) 这一词最初来源于热力学。1948年,克...