[学习笔记-SLAM篇]视觉SLAM十四讲ch4

这一章的数学概念涉及很多,梳理清楚很重要。

注:
1)学习视频:【高翔】视觉SLAM十四讲

第4讲

4.1 理论部分

概念的东西很多,但主要还是围绕李群和李代数展开。
一个最本质的问题,为什么要采用李群和李代数?
这是因为旋转矩阵含有约束,优化困难;而李代数无约束,可以把位姿估计变成无约束的优化问题

1)李群&李代数基础

  • 一种集合加上一种运算的代数结构称为,满足“封结幺逆”性质。之前所提及的特殊正交群 S O ( 3 ) SO(3) SO(3)、特殊欧式群 S E ( 3 ) SE(3) SE(3),均是一种集合加上一种运算(矩阵乘法,这2个群均对加法不封闭);
  • 由李群引入李代数:首先我们有一个旋转矩阵 R ( t ) \pmb{R}(t) RRR(t),由其正交且行列式为1的性质,可得到 R ( t ) R ( t ) T = I \pmb{R}(t)\pmb{R}(t)^T=\pmb{I} RRR(t)RRR(t)T=III,两边同时求导再移相,得知 R ( ˙ t ) R ( t ) T = ϕ ( t ) ^ \pmb{R}\dot(t)\pmb{R}(t)^T=\phi(t)\hat{} RRR(˙t)RRR(t)T=ϕ(t)^ 为反对称矩阵,变换得 R ( ˙ t ) = ϕ ( t ) ^   R ( t ) \pmb{R}\dot(t)=\phi(t)\hat{}\ \pmb{R}(t) RRR(˙t)=ϕ(t)^ RRR(t),即旋转矩阵的导数为一个反对称矩阵与它本身的乘法。随后对 R ( t ) \pmb{R}(t) RRR(t)泰勒展开,引入 t 0 = 0 , R ( t 0 ) = R 0 = I t_0=0,R(t_0)=R_0=I t0=0,R(t0)=R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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