坐标系与刚体变换深度解析:从基向量、主动 / 被动视角到 SE(3) 坐标链

【SLAM坐标系精讲】从像素到世界:四大坐标系与核心变换的实战解析 本文深入解析SLAM技术中的四大坐标系(像素坐标系、归一化坐标系、相机坐标系、世界坐标系)及其核心变换过程,通过实战案例和代码示例展示如何实现从二维图像到三维世界的精准坐标转换。文章特别探讨了视觉SLAM系统中坐标系转换的关键技术和常见问题解决方案,为开发者提供实用的调试技巧和优化方法。 阅读详情

四个关键实测数字

指标 数值
7 条群 / 链式恒等式最大残差 8.9e−16
同一 (R,t)(R,t)(R,t) 换复合顺序的落点差 ∣(I−R)t∣|(I-R)t|∣(I−R)t∣ 2.828 m
0.5° 外参角误差在 10 m 处的落点误差 8.727 cm
连乘 2000 步正交性漂移 → SVD 重正交化后 0.233 → 1.6e−16

0 · 导读:把「坐标系」这个词钉死

Day 2 把三个坐标系当成三张「带标签的格子纸」来用,这对入门够,但一旦要拼外参链、推雅可比、查 bug,就必须回答更基本的问题:坐标系是原点 + 一组基;坐标是向量在这组基上的系数;变换矩阵是「换基」而不是「移动点」。这三句决定了后面每一处符号。

一句话心智模型: 世界系 WWW、机体系 BBB、传感器系 CCC 是三套「原点 + 正交单位基」;TabT_{ab}Tab​ 把 b 系的坐标翻译成 a 系的坐标;SLAM 的状态是 Twb,kT_{wb,k}Twb,k​ 序列,地图点靠 TwbTbcT_{wb}T_{bc}Twb​Tbc​ 搬到世界系。全文只围绕这一条链展开。

本文的三条硬结论(全部由第 8 节脚本实跑验证)

  1. RRR 的列是基向量,不是「三个转角的查表结果」。 正交性 RTR=IR^\mathsf{T}R=IRTR=I 与 det⁡R=+1\det R=+1detR=+1 都是「单位正交右手基」的直接后果;det⁡R=−1\det R=-1detR=−1 的正交矩阵是镜像,不是旋转(H 组实测)。
  2. 齐次坐标不是记法糖,是唯一能把平移写成线性映射的办法。 3×3 线性映射必满足 f(0)=0f(0)=0f(0)=0,而平移 f(0)=t≠0f(0)=t\neq0f(0)=t=0;升到 w=1w=1w=1 超平面后平移变成 4D 里的剪切。补 w=0w=0w=0 则得到「不受平移影响的方向」。
  3. 坐标链里,旋转误差会被距离放大,平移误差不会。 外参角误差 δθ\delta\thetaδθ 让距离 ddd 处的点偏 2dsin⁡(δθ/2)≈d δθ2d\sin(\delta\theta/2)\approx d\,\delta\theta2dsin(δθ/2)≈dδθ:0.5° 在 10 m 处就是 8.727 cm;而 1 cm 平移误差到哪儿都还是 1 cm。

与已有两篇的分工: Day 2 教程负责「跑通」;slam-pose-trajectory-deep-dive 负责「SO(3)/SE(3)、左乘右乘、漂移三定律」这些进阶内容;本文补的是它们之间被跳过的几何基础与严格推导,四元数、李代数、伴随只做指路不展开。


1 · 坐标系与坐标链:谁在翻译谁

这一节把「写下标」变成一件有物理含义的事。绝大多数外参 bug 不是算错,是下标含义没定死。

1.1 坐标系 = 原点 + 一组单位正交基

一个坐标系 aaa 由原点 OaO_aOa​ 与三个基向量 (ea,1,ea,2,ea,3)(e_{a,1},e_{a,2},e_{a,3})(ea,1​,ea,2​,ea,3​) 组成,满足 ea,i⋅ea,j=δije_{a,i}\cdot e_{a,j}=\delta_{ij}ea,i​⋅ea,j​=δij​,右手系下 e1×e2=e3e_1\times e_2=e_3e1​×e2​=e3​。空间中的点是几何对象,坐标才是数字:

P=Oa+∑j=13pa,j ea,j,pa=[pa,1,pa,2,pa,3]T P = O_a + \sum_{j=1}^{3} p_{a,j}\,e_{a,j},\qquad p_a = [p_{a,1},p_{a,2},p_{a,3}]^\mathsf{T} P=Oa​+j=1∑3​pa,j​ea,j​,pa​=[pa,1​,pa,2​,pa,3​]T

换一套基,同一个 PPP 的坐标变了,点本身没动。这就是「被动变换」(alias):换的是描述方式。

1.2 主动 vs 被动:同一个数值,两种相反的解释

主动(active / alibi) 被动(passive / alias)
做了什么 点 / 刚体真的转了 θ\thetaθ,坐标系不动 点不动,坐标系转了 θ\thetaθ
坐标怎么变 p′=R(θ)pp'=R(\theta)pp′=R(θ)p p′=R(θ)Tpp'=R(\theta)^\mathsf{T}pp′=R(θ)Tp
θ=30°\theta=30°θ=30° 时的 (1,0,0)(1,0,0)(1,0,0)(C 组实测) (0.866, 0.500, 0) (0.866, −0.500, 0)
SLAM 里对应 机器人真的转了个头 把「相机系里的点」翻译成「世界系里的坐标」

两者相差 RRR 与 RTR^\mathsf{T}RT,也就是转 +θ+\theta+θ 与 −θ-\theta−θ;C 组实测两者夹角 60° = 2×30°。关键提醒: pw=Rwbpb+twbp_w=R_{wb}p_b+t_{wb}pw​=Rwb​pb​+twb​ 属于被动解释——机器人在那儿没动,我们只是把它的观测翻译成世界坐标。把它读成「主动把点转过去」,写逆变换时必错。

1.3 双下标约定与链式法则

约定(全文严格遵守): TabT_{ab}Tab​ 读作「把 b 系坐标变到 a 系坐标」,即 pa=Tab pbp_a=T_{ab}\,p_bpa​=Tab​pb​。于是 tabt_{ab}tab​ 是「b 系原点在 a 系中的坐标」,而不是反过来。点一律用列向量,变换一律左乘。

pw=Twbpb=Twb(Tbcpc)=(TwbTbc)pc ⟹ Twc=TwbTbc p_w = T_{wb}p_b = T_{wb}(T_{bc}p_c) = (T_{wb}T_{bc})p_c \ \Longrightarrow\ \mathbf{T_{wc}=T_{wb}T_{bc}} pw​=Twb​pb​=Twb​(Tbc​pc​)=(Twb​Tbc​)pc​ ⟹ Twc​=Twb​Tbc​

下标像「消元」一样接龙:w→b→cw\to b\to cw→b→c 中间的 bbb 抵消,得到 w→cw\to cw→c。由此还有两条天天用的关系:

Tba=Tab−1,Tbc=Twb−1Twc  (相对位姿 = 左逆乘) T_{ba}=T_{ab}^{-1},\qquad T_{bc}=T_{wb}^{-1}T_{wc}\ \ (\text{相对位姿 = 左逆乘}) Tba​=Tab−1​,Tbc​=Twb−1​Twc​  (相对位姿 = 左逆乘)

A 组实测:链式与直乘残差 8.88e−16;Twb−1Twc−TbcT_{wb}^{-1}T_{wc}-T_{bc}Twb−1​Twc​−Tbc​ 的 Frobenius 范数 2.15e−16。浮点层面就是精确成立。

1.4 必须写进代码注释的约定

项目 本文约定 常见冲突
向量形态 列向量,p′=Tpp'=Tpp′=Tp 行向量约定下是 p′=pTp'=pTp′=pT,整条链全部反过来
手性 右手系,e1×e2=e3e_1\times e_2=e_3e1​×e2​=e3​ 左手系会让 det⁡R=−1\det R=-1detR=−1 混进来
机体系轴 前 X / 左 Y / 上 Z(ROS REP-103) 相机系常用 右 X / 下 Y / 前 Z(OpenCV),两者差一个固定旋转
下标方向 TabT_{ab}Tab​:b → a 部分库写 T_a_b 表示 a → b;跨库必查文档
单位 / 时间 米、弧度、TkT_kTk​ 属于时刻 k ΔTk\Delta T_kΔTk​ 属于区间 [k, k+1],混用会差半帧

2 · 旋转 R:从基向量推出来,而不是背下来

Day 2 告诉你「R 是 3×3 正交矩阵,det=1」。这一节回答:这两个条件从哪来、少了会怎样、9 个数为什么只有 3 个自由度。

2.1 R 的第 j 列 = b 系第 j 根基向量在 a 系里的坐标

设 pb=[p1,p2,p3]Tp_b=[p_1,p_2,p_3]^\mathsf{T}pb​=[p1​,p2​,p3​]T,同一个几何向量(先忽略原点)在两套基下展开:

v=∑jpjeb,j,[v]a=∑jpj [eb,j]a v=\sum_j p_j e_{b,j},\qquad [v]_a=\sum_j p_j\,[e_{b,j}]_a v=<

SE(3)等变潜学习:让3D模型真正理解刚体变换 3D场景理解的核心挑战在于模型对平移、旋转等刚体变换的泛化能力不足——这并非数据或算力问题,而是特征表示与物理空间失配所致。SE(3)等变性从数学上定义了三维空间中所有合法刚体变换(3维平移+3维旋转)的约束关系,使神经网络的潜空间表征能严格响应输入的几何变化,实现输出与变换的一致映射。相比传统不变性设计,等变性保留方向与相对位置信息,支撑姿态估计、缺陷检测、具身导航等需空间推理的任务。其技术价值体现在零样本迁移、噪声鲁棒性与可解释性三方面,已在工业质检、机器人抓取和数字孪生中验证落地效果。SE(3)-Eq 阅读详情

相关推荐

SE(3)等变世界模型:让机器人真正理解刚体运动

世界模型是人工智能在物理世界落地的核心基础设施,其本质是学习环境状态的动态演化规律。传统方法依赖数据增强与后处理,泛化能力脆弱且不可解释;而SE(3)等变建模从第一性原理出发,将三维空间中的平移与旋转统一为刚体运动群SE(3),强制神经网络的每一层输出严格满足群作用下的变换一致性。这种对称性约束使模型天然具备跨视角、跨材质、跨平台的零样本泛化能力,并直接输出可驱动执行器的李代数控制指令。在机械臂精密操作、无人机动态悬停、AGV跨场景部署等真实工业任务中,SE(3)等变模型显著降低控制熵、抑制坐标系漂移、提升

dichengyan0013的博客 447

主动推理与SE(3)等变性:实现三维空间中的神谕级K元搜索

主动推理是一种基于自由能原理的贝叶斯感知-行动闭环框架,强调智能体通过主动选择动作来最小化预测误差与认知复杂度;SE(3)等变性则保障模型对三维刚体运动(旋转+平移)具备内在不变性,是构建物理世界鲁棒表征的核心约束。二者结合,使系统能在信息受限条件下逼近理论最优决策性能,广泛应用于工业质检、手术导航、机器人抓取等需高精度空间识别与序贯决策的场景。本文聚焦K元搜索这一典型任务,揭示如何以SE(3)-等变神经网络为感知基座,以主动推理为决策引擎,协同达成接近信息论极限的识别效率与可靠性。

weixin_34274029的博客 581

SE(3)等变潜在世界模型:让机器人真正理解3D操作的几何本质

世界模型是具身智能的核心组件,其目标是构建可预测、可推理、可泛化的环境动态表征。传统方法在像素或状态空间建模,易受视角、位姿、噪声干扰,泛化能力薄弱。SE(3)等变性从数学上强制模型隐状态随三维刚体运动(旋转+平移)严格同步变换,赋予其坐标系无关性与物理一致性;潜在世界模型则通过低维几何感知隐空间,解耦感知与动力学,支撑实时控制与跨任务迁移。该范式显著提升机械臂在装配、抓取、人机协同等真实3D操作场景中的鲁棒性、零样本适应性与故障预判能力,正成为工业机器人认知升级的关键基础设施。

weixin_30565199的博客 360

SE(3)等变主动推理:解决部分可观测机器人决策难题

在真实机器人系统中,感知信息受限、环境动态变化与动作需实时鲁棒响应,构成了典型的部分可观测任务(Partially Observable Tasks)。其本质是智能体如何在不确定性下进行可解释、可量化、具物理一致性的序贯决策。SE(3)等变性从三维空间几何对称性出发,保障模型对旋转和平移变换的结构化响应;Active Inference则以自由能最小化为准则,驱动智能体主动选择能降低预测误差的动作。二者结合,不仅提升遮挡鲁棒性与跨场景泛化能力,更使失败行为从随机崩溃转向保守可控——这正是工业级机器人从‘能运

weixin_33859844的博客 365

SE(3)等变性:让AI真正理解三维空间的数学直觉

三维几何建模的核心挑战在于零样本泛化能力——即模型面对未见过的几何构型时能否合理推理。这背后本质是AI是否具备对空间关系的结构化理解,而非仅依赖外观统计拟合。SE(3)等变性作为三维刚体运动(平移+旋转)的数学对称性约束,为模型注入了可验证的几何直觉,使其特征表示与物理变换严格同步。该特性显著提升分子构象预测、机器人无序抓取、城市级语义重建等任务的跨构型鲁棒性与物理合理性,成为构建可信几何世界模型的底层架构基石。

weixin_30407613的博客 482

GVector:嵌入式轻量二维向量库深度解析

二维向量运算是嵌入式系统中图形界面、运动控制、传感器融合与机器人路径规划等场景的基础数学工具。其核心原理在于利用笛卡尔坐标系下的分量表示与几何变换,实现位置、方向、速度等物理量的高效建模。相比通用C++数学库,专为MCU优化的轻量向量库具备零动态内存分配、确定性执行时间、单头文件部署等技术价值,显著提升实时性与资源可控性。典型应用场景包括OLED坐标变换、超声波测距矢量解算、两轮差速底盘运动学建模及触摸屏坐标映射。GVector正是面向此类需求设计的Arduino原生兼容、浮点务实、内存透明的2D向量数学库

weixin_30336531的博客 522

从零理解SE (3)-Transformers:为什么等变性对三维点云处理如此重要?

本文深入解析了SE(3)-Transformers在三维点云处理中的核心价值,重点阐述了其严格的SE(3)等变性如何从根本上解决模型对物体旋转和平移敏感的问题。通过将物理对称性先验编码进网络架构,该模型显著提升了数据效率、泛化能力与物理一致性,使其在分子科学、机器人视觉等领域展现出巨大潜力。

weixin_29054399的博客 191

新手必看!用Python+OpenCV理解相机坐标系转换(附完整代码)

本文详细介绍了如何使用Python和OpenCV实现相机坐标系转换,包括世界坐标系、相机坐标系和像素坐标系之间的正向投影与反向投影。通过完整的代码示例和实战案例,帮助新手快速掌握计算机视觉中的核心坐标转换技术,提升三维视觉定位能力。

weixin_29053695的博客 226

SE(3)几何自适应神经网络实现四旋翼抗风控制

SE(3)群是描述刚体三维位姿(平移+旋转)的数学基础,其内蕴结构天然适配四旋翼运动学约束。相比传统将风视为标量扰动的PID或黑箱式神经网络,基于SE(3)的控制方法通过李代数误差建模、指数映射输出与几何一致的控制律,从根本上解决欧拉角奇异性、姿态耦合失配和输出非法姿态等问题。该技术赋予控制器空间对称性感知能力,无需风速传感器即可实现在线几何自适应,在阵风突变、高速前飞等复杂场景下显著提升稳定性与响应平滑性,已成功部署于STM32H7嵌入式平台并完成硬件在环验证。

weixin_34056162的博客 389

nuScenes自动驾驶数据集深度学习全流程实战项目

这意味着:若需将。

weixin_42610010的博客 362

E-SMILES:化学信息学中的分子表示革命与应用

分子表示是化学信息学和计算化学的基础技术,其核心是将复杂的分子结构转化为计算机可处理的数字化形式。传统SMILES格式虽然广泛应用,但在处理复杂化学体系时存在局限性。Extended SMILES(E-SMILES)通过扩展语法规则,支持立体化学、配位键等特殊结构的精确描述,显著提升了分子表示的准确性和适用范围。在药物研发中,E-SMILES能准确描述蛋白质-配体相互作用和共价抑制剂;在材料科学领域,它支持纳米材料和超分子体系的多尺度建模。结合机器学习等前沿技术,E-SMILES正在推动化学信息处理效率的革

weixin_28683165的博客 282

DINOv3实战指南:如何利用零样本视觉模型革新工业质检

本文详细介绍了如何利用DINOv3零样本视觉模型革新工业质检流程。通过无需标注数据的自监督学习技术,DINOv3能快速部署高精度检测系统,显著降低成本和提升效率。文章涵盖模型选型、数据准备、实时检测优化及典型行业解决方案,为工业质检提供革命性AI实践指南。

ansible6ops的博客 125

海康VisionMaster图形定位实战:十字形Mark点精准匹配技巧

本文深入解析了海康VisionMaster图形定位模块在工业自动化中实现十字形Mark点精准匹配的实战技巧。文章从ROI设置、核心参数调优(如定位方式、尺度模式、对比度阈值)到工业场景应用与避坑指南,系统性地分享了提升匹配成功率和稳定性的关键步骤,帮助工程师应对复杂现场环境,实现高效、可靠的视觉定位。

weixin_29285605的博客 261

基于深度学习的中文方言识别模型训练实战

本文介绍了一个基于深度学习的中文方言识别模型开发流程。项目采用PyTorch框架和Chinese-BERT-wwm预训练模型,构建了包含BERT基础层、方言特征增强层和注意力机制的多方言分类系统。文中详细阐述了数据收集策略,包括从社交媒体、语料库和众包平台获取多源数据,并实现了文本清洗、同义词替换和回译等数据增强技术。模型架构部分展示了如何在BERT基础上添加方言特征提取层和多头注意力机制来提升识别性能。该方案支持普通话、粤语等6种主要方言的识别,目标准确率达90%以上,响应时间小于100ms,适用于智能客

电脑管家 1737

从零开始搭建一个高性能电流镜:手把手教你设计Wide-Swing Cascode结构

本文详细解析了Wide-Swing Cascode电流镜的设计原理与实战流程。针对低压高性能模拟电路设计的核心挑战,文章手把手指导如何从理论分析、参数计算到仿真验证,搭建一个兼具高输出阻抗和低输出电压裕度的电流镜结构,并深入探讨了偏置电路生成、性能优化及版图匹配等关键要点。

weixin_29294975的博客 628

5分钟搞懂SCMA:稀疏码多址接入的核心原理与实战应用

本文深入浅出地解析了SCMA(稀疏码多址接入)的核心原理与实战应用。通过对比传统正交多址技术,阐释了SCMA如何通过非正交叠加和稀疏码本设计,实现远超资源单元数的用户接入,从而有效应对5G海量机器通信(mMTC)的挑战。文章还探讨了其在上行海量连接、免授权接入等场景的应用潜力及工程实现中的关键考量。

zeta9的博客 267

从亚稳态到流片失败:SpyGlass CDC在5G芯片设计中的避坑指南

本文深入探讨了在复杂5G芯片设计中,如何利用SpyGlass CDC工具构建高效的时钟域交叉验证流程,以避免因亚稳态问题导致的流片失败。文章结合实战经验,详细解析了从约束编写、时钟复位完整性检查到层次化验证和特殊场景处理的全过程,并强调了精准的检查约束是确保验证有效性的基石,旨在帮助设计团队安全跨越异步时钟域的雷区。

weixin_29168153的博客 446

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: PyTorch、CPU、GPU 与 CUDA 深度解析:一次张量加法背后的四层世界
下一篇: 相机模型与特征点深度解析:从针孔投影链、K / R / t 到 ORB 描述子
reset2021
博客等级 码龄5年 565粉丝 424原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

reset2021

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值