GTSAM核心概念解析：流形、群与向量空间-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00275/article/details/148756480

GTSAM核心概念解析：流形、群与向量空间

gtsam GTSAM is a library of C++ classes that implement smoothing and mapping (SAM) in robotics and vision, using factor graphs and Bayes networks as the underlying computing paradigm rather than sparse matrices. 项目地址: https://gitcode.com/gh_mirrors/gt/gtsam

前言

在机器人学、计算机视觉和传感器融合领域，GTSAM（Georgia Tech Smoothing and Mapping）是一个强大的因子图优化库。理解GTSAM的核心概念对于有效使用这个库至关重要。本文将深入解析GTSAM中的三大核心数学概念：流形(Manifold)、群(Group)和向量空间(Vector Space)，以及它们之间的关系和实现方式。

流形(Manifold)概念

流形的基本理解

在GTSAM中，流形是优化连续类型的基础概念。从数学角度看，流形是一种可以在每一点局部近似为向量空间（称为切空间）的连续空间。想象地球表面：虽然整体是弯曲的，但在每个点附近，我们都可以用平面地图（切空间）来近似表示。

GTSAM中的流形实现

在GTSAM中，所有类型的属性和操作都通过模板特化gtsam::traits结构体来定义。流形概念要求定义以下内容：

维度信息：
- dimension：表示流形的维度n，可以是编译时常量或运行时确定（设为-1）
类型定义：
- TangentVector：切空间中的向量类型，通常是Eigen::Matrix<double,n,1>
- ChartJacobian：可选雅可比矩阵类型
- ManifoldType：指向自身类型的指针
- structure_category：定义类型满足哪些要求的标签
关键操作：
- Local(p,q)：将流形上的点q映射到点p的切空间（类似于q-p）
- Retract(p,v)：将切空间中的向量v映射回流形（类似于p+v）
不变性要求：
- Retract(p, Local(p,q)) == q
- Local(p, Retract(p, v)) == v

流形分类

GTSAM将流形分为几个层次，每个层次有不同的要求：

基础流形(manifold_tag)：仅需满足上述基本要求
群(group_tag)：额外满足群的要求
李群(lie_group_tag)：满足流形和群的要求，并额外满足李群的要求
向量空间(vector_space_tag)：满足所有要求，且操作简化为向量加减

群(Group)概念

群的基本性质

群是代数学中的基本概念，具有以下性质：

封闭性：群运算结果仍在群内
结合律：群运算满足结合律
单位元：存在单位元素
逆元：每个元素都有逆元

GTSAM中的群实现

在GTSAM中，群概念要求定义以下内容：

基本操作：
- Compose(p,q)：群元素的组合运算
- Inverse(p)：求逆运算
- Between(p,q)：计算p到q的相对变换
静态成员：
- Identity：群的单位元素
群运算类型：
- group_multiplicative_tag：乘法运算语法
- group_additive_tag：加法运算语法

不变性要求

Compose(p,Inverse(p)) == Identity
Compose(p,Between(p,q)) == q
Between(p,q) == Compose(Inverse(p),q)

李群(Lie Group)概念

李群的双重性质

李群既是流形又是群，因此需要同时满足两者的要求。此外，李群还需要能够计算组合和逆运算的导数。

额外要求

带导数的操作：
- Compose(p,q,Hp,Hq)：带雅可比矩阵的组合运算
- Inverse(p,Hp)：带雅可比矩阵的逆运算
- Between(p,q,Hp,Hq)：带雅可比矩阵的相对变换
指数映射和对数映射：
- Logmap(p,Hp)：对数映射（流形→切空间）
- Expmap(v,Hv)：指数映射（切空间→流形）

实现辅助

GTSAM提供了LieGroupCRTP辅助类，可以自动生成部分李群方法。使用该类需要实现：

运算符*：实现群运算
inverse：实现群逆运算
AdjointMap：根据群元素映射切向量
Expmap/Logmap：指数映射及其逆
ChartAtOrigin：定义在原点处的Retract/Local操作

向量空间(Vector Space)概念

简化特性

向量空间本质上是流形，但操作可以简化为向量加减：

Identity == 0
Inverse(p) == -p
Compose(p,q) == p+q
Between(p,q) == q-p
Local(q) == p-q
Retract(v) == p+v

GTSAM实现

GTSAM提供了VectorSpace超类来实现这些特性。典型的向量空间类型包括：

Matrix和Vector
任何固定或动态的Eigen矩阵
Point2和Point3

可测试性(Testable)概念

单元测试基础

GTSAM中的单元测试依赖于两个基本函数：

Print(p,s)：打印类型实例，可选带字符串前缀
Equals(p,q,tol)：比较两个实例是否相等，可选带容差

实现机制

特性(Traits)系统

GTSAM使用特性系统来关联类型与概念，类似于Eigen或STL的风格。关键点包括：

类型命名：GTSAM类型以大写字母开头，如gtsam::Point2
概念模型：这些类型是TESTABLE、MANIFOLD、GROUP、LIE_GROUP和VECTOR_SPACE概念的模型
内部类型：对于GTSAM类型，关联类型可以作为内部类型定义，而不必总是使用特性

概念检查

GTSAM使用Boost风格的概念检查来验证类型是否满足特定概念，例如：

GTSAM_CONCEPT_ASSERT(IsVectorSpace<Point2>)

未来概念展望

群作用(Group Action)

群可以作用于另一个空间，例如循环群可以旋转2D向量。GTSAM计划支持以下操作：

Act(g,p)：群元素g作用于空间元素p
Act(g,p,Hp)：当作用空间是流形时，提供关于p的雅可比矩阵

李群作用(Lie Group Action)

当李群作用于空间时，需要考虑两个导数：

关于空间元素的导数（通常简单，如旋转矩阵）
关于群元素的导数（通常更复杂）

结语

理解GTSAM中的这些核心概念对于有效使用该库至关重要。流形提供了优化的数学基础，群概念支持变换的组合，而向量空间则简化了线性情况下的操作。这些抽象概念使得GTSAM能够统一处理各种几何类型，从简单的2D点到复杂的3D刚体变换。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考