视觉SLAM十四讲 Chapter4 课后练习

Leo-Ma Leo-Ma 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 828平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄11年
关注
原创 最新推荐文章于 2026-07-14 13:44:02 发布 828 阅读 AI 写同款· GEO 优化 ›
2023-06-27 推导SO(3)上的右乘扰动模型 推导了采用右扰动模型对SO3上的李代数进行求导的过程 阅读详情

视觉SLAM十四讲 Chapter4 课后练习

1.验证SO(3)、SE(3)关于乘法成群

在这里插入图片描述

2.验证(R3,R,×)构成李代数

在这里插入图片描述

3.验证so(3)和se(3)满足李代数要求的性质

李代数的性质：
在这里插入图片描述

对于so(3):
在这里插入图片描述
在这里插入图片描述
对于se(3):
在这里插入图片描述
在这里插入图片描述

4.验证书中性质

验证性质(4.20):
在这里插入图片描述
验证性质(4.21):
在这里插入图片描述

5.证明等式

在这里插入图片描述

6.证明等式

在这里插入图片描述

7.仿照左扰动的推导，推导SO(3)和SE(3)在右扰动下的导数

SO(3)右扰动导数的推导：
在这里插入图片描述
SE(3)右扰动导数的推导：
在这里插入图片描述

收录于
SLAM

当前文章被收录于：

SLAM
30 篇文章 7 人学习
订阅专栏 查看详情
标签
#slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
四元素和旋转矩阵扰动更新 注:改代码主要用于验证四元素和旋转矩阵对微小扰动的更新效果，详细说明请移步本人博客https://blog.youkuaiyun.com/whut_chengjun/article/details/103090998 立即下载

相关推荐

ICC 实战解析——CTS 时钟树综合中的关键设置与优化策略

本文深入解析ICC工具中CTS时钟树综合的关键设置与优化策略，涵盖时钟树异常引脚设置、目标参数配置、非默认布线规则(NDR)等核心技术。通过实战案例展示如何有效控制时钟偏差、优化信号完整性，并平衡功耗与面积，为芯片物理设计提供专业指导。

weixin_30872577的博客 327

【李代数求偏导】SLAM中李代数SE3求偏导左扰动模型和右扰动模型的区别

在学习SLAM的过程中，我一直对用左扰动模型和右扰动模型求SE3的偏导有疑惑，好奇他们的计算结果有什么区别。本文用《SLAM十四讲》ch7的实验验证了两者的差别。

qq_45060471的博客 4351

【SAM2系列】windows单GPU复现时的bug解决记录

windows运行sam2，就感觉在开一艘破破烂烂的船，每走一步报一个错，bug源源不断的冒出来😭😭😭😭😭。

weixin_43571113的博客 1317

李代数的求导及扰动模型

李代数的求导以及扰动模型有什么用？当然就是求导的用，但在什么情况下需要求导，在机器人领域和3d视觉领域当然是函数的变量是旋转矩阵或变换矩阵，多发生在优化问题上！

weixin_44197735的博客 1811

UE5游戏逆向实战：用FModel提取.pak文件中的3D模型（附Dumper-7避坑指南）

本文详细介绍了在UE5游戏逆向工程中使用FModel提取.pak文件中3D模型的实战技巧，包括Dumper-7工具的深度配置与避坑指南。针对UE5特有的unversioned属性系统，提供了从源码编译到智能注入的全链路解决方案，帮助开发者高效获取游戏资产并优化处理流程。

weixin_30374009的博客 499

Nvidia Tesla A100 驱动安装方法

Nvidia Tesla A100 驱动安装方法 遇到的问题：以前安装tesla系列、geforce系列等gpu 驱动的时候，只需执行nvidiaxxxx.run驱动包或者安装nvidiaxxxx.rpm包即可，但遇到新的GPU Nvidia Tesla A100的时候，安装完驱动似乎不起作用，找了半天资料，原来需要以下步骤才可以使用；

qq_24343177的博客 2万+

Slam学习笔记——矩阵扰动求导

Slam学习笔记——推导1. 推导结论1.1 旋转矩阵1.2 变换矩阵1.2.1 结构1.2.2 左扰动1.2.3 右扰动1.3 反对称矩阵2. 推导过程 参考书籍：《视觉SLAM十四讲-从理论到实践》——高翔

starvapour的博客 3318

Python实战：用SkillMetrics库5分钟搞定泰勒图绘制（附完整代码）

本文详细介绍了如何使用Python的SkillMetrics库快速绘制专业泰勒图，以直观对比多个模型的预测性能。通过整合相关系数、标准差和中心化均方根误差三个核心指标，该工具能帮助数据科学家和研究者高效完成模型评估与可视化，提升分析报告质量。文章提供了从环境配置、数据准备到高级定制与子图对比的完整代码示例。

7z8x2c4v6b9的博客 373

李代数求导与扰动模型

我们经常构建与位姿有关的函数，然后讨论该函数关于位姿的导数，以调整当前的估计值。表示姿态的李群与表示位姿的李群上并没有定义加法，而求导数是需要加法的。因此此时如何求导就成了一个需要解决的问题，它们的李代数由向量组成，具有良好的加法运算，因此我们可以利用李代数来解决对位姿的求导问题。 上面看到了，因为上没有定义加法，所以我们不能求R的导数。但是我们上一节中可以用通过指数映射来得到，所以我们可以将求李代数的导数。 BCH公式 但是此处必须说明的一点是，指数映射时，下式是不满足的。 如果上述公

sky的博客 9419

成功解决 OllamaError: status code 400, message: model ‘llama3.2:latest‘ not found 报错

本文针对Ollama更新后出现的OllamaError: status code 400, message: model 'llama3.2:latest' not found报错，分析了其根本原因——2026年1月Ollama将Llama 3.2模型命名从llama3.2:latest改为meta-llama/Llama-3.2:7b-instruct等新格式。解决方案包括：1)使用新模型名称；2)升级Ollama SDK；3)查询确认本地可用模型；4)批量更新旧项目脚本。通过正确适配新命名规则，

博客 1400

YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络

本文记录的是利用颈部结构优化YOLOv11的目标检测网络模型。利用改进后的颈部网络，通过跳层连接，避免了在进行反向传播时的梯度消失问题，并且引入跨尺度连接，可以实现不同级别和层次的特征充分融合，获取足够的高层语义信息和低层空间信息交换，从而在大规模变化场景下提高检测性能。GIRAFFEDET: A HEAVY-NECK PARADIGM FOR OBJECT DETECTION-GFPN包含了上述的跳层连接（dense-link和log2nlog _{2} nlog2​n-link）以及跨尺度连接（Quee

Limiiiing的博客 3012

视觉SLAM十四讲 Chapter3 课后练习

视觉SLAM十四讲 Chapter3 课后练习1. 验证旋转矩阵是正交矩阵2.验证四元数旋转某个点后，结果仍然是一个虚四元数(实部为0)，所以仍然对应一个三维空间点3.画表总结旋转矩阵、旋转向量(轴角)、欧拉角、四元数的转换关系4.假设有一个大的Eigen矩阵，想把它的左上角3*3的块取出来，然后赋值为I~3*3~，编程实现。5.设有机器人一号和机器人二号位于世界坐标系中。机器人一号的位姿为q~...

wolfcsharp的博客 673

基于知识图谱的农作物病虫害问答系统设计与实现

基于规则的问题分类是自问答系统诞生以来就一直存在的方式，主要代表就是众多的专家系统，构建专家系统采用的是规则分类器，优点是能够对特定领域、特征明显的问题进行高效精准问答，但是。，在问答系统中，问题以语音及文本字符等自然语言形式输入，利用问答系统的内部的逻辑处理模块，通过自然语言处理技术获得输入问句的详细语义信息，再经过知识检索、置信分析等步骤，自然语言处理中，用于文本分类任务的机器学习方式有两种，一种用传统的机器学习，如 NBC、SVM 等，另一种采用深度学习，如 CNN 和 RNN 等。

全网粉丝30W+，优快云、稀土掘金人工智能领域签约作者，人工智能、大模型、Python 爬虫，商务合作，请私信沟通。 2168

视觉SLAM十四讲 读书编程笔记 Chapter 1&2

视觉SLAM十四讲 读书编程笔记 Chapter 1&21.有线性方程组Ax=b，若已知A，b，需要求解x，该如何求解？这对A和b有哪些要求？2.单目SLAM有哪些特性？3.双目相机有哪些特性？4.整体视觉SLAM流程图5.视觉SLAM流程图的一些理解6.SLAM问题的数学表达 1.有线性方程组Ax=b，若已知A，b，需要求解x，该如何求解？这对A和b有哪些要求？ 答：x=A-1b，其中A...

wolfcsharp的博客 899

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

视觉SLAM十四讲：从理论到实践（Chapter1）

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可当前部分：Chapter 1： 预备知识。

努力学习 648

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。

视觉SLAM十四讲 读书编程笔记 Chapter10 后端1

Chapter10 后端1概述概率估计的概率解释线性系统和KF非线性系统和EKFEKF的讨论BA与图优化投影模型与代价函数BA的求解稀疏性和边缘化鲁棒核函数实践：g2o实践：Ceres 概述 概率估计的概率解释 线性系统和KF 经典线性卡尔曼滤波的概率推导： 非线性系统和EKF 对于非线性系统，扩展卡尔曼滤波的推导： EKF的讨论 假设了马尔科夫性。 EKF由于在局部点处进行泰勒展开，非...

wolfcsharp的博客 617

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

视觉SLAM十四讲：从理论到实践（Chapter6：非线性优化）

非线性优化是个很大的主题，研究者们为之奋斗多年；主要方法：最速下降、牛顿、G-N、L-M、DogLeg等；与线性规划不同，非线性需要针对具体问题具体分析；问题非凸时，对初值敏感，会陷入局部最优，目前没有非凸问题的通用最优值的寻找办法；问题凸时，二阶方法通常一两步就能收敛。

努力学习 1036

视觉SLAM十四讲：从理论到实践（Chapter7：视觉里程计1）

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解图像特征点的意义，并掌握在单幅图像中提取特征点及多幅图像中匹配特征点的方法。 2.理解对极几何的原理，利用对极几何的约束，恢复图像之间的摄像机的三维运动。 3.理解PNP问题，以及利用已知三维结构与图像的对应关系求解摄像机的三维运动。 4.理解ICP问题，以及利用点云的匹配关系求解摄像机的三维运动。 5.理解如何通过三角化获得二维图像上对应点的三维结构。 视觉里程（Visual Odometry）：计算前后两帧位姿的变化量VO主要有两个大类：特

努力学习 1219

视觉SLAM十四讲 读书编程笔记 Chapter11 后端2

Chapter11 后端2位姿图位姿图的意义位姿图的优化 位姿图 位姿图的意义 随着时间的流逝，空间点和相机位姿数据不断增多，BA的计算效率会不断下降。 实际上，经过若干次优化迭代之后，空间位置估计会收敛至一个值保持不动。因此，我们更倾向于在优化几次之后就把特征点固定住，只把它们看作位姿估计的约束，而不再实际地优化它们的空间位置。 我们可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关...

wolfcsharp的博客 607

视觉SLAM十四讲 读书编程笔记 Chapter7 视觉里程计1

Chapter7 视觉里程计1特征点法ORB特征特征匹配实践：特征提取与匹配2D-2D：对极几何对极约束的推导本质矩阵E的求解 特征点法 ORB特征 ORB（Oriented FAST and Rotated BRIEF）特征的关键点是"Oriented FAST",这是一种带有方向信息的FAST角点 ORB的描述子称为BRIEF(Binary Robust Independent Elemen...

wolfcsharp的博客 946

视觉SLAM十四讲：从理论到实践（Chapter4：李群与李代数）

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1. 理解李群与李代数的概念，掌握SO(3)、 SE(3)与对应李代数的表示方式。 2. 理解BCH近似的意义。 3. 学会在李代数上的扰动模型。 4. 使用Sophus对李代数进行运算。旋转矩阵自身带约束（正交且行列式为1），当它作为优化变量时，会引入额外的约束，使优化变得困难。通过李群-李代数间的转换关系，可以把位姿估计变成无约束的优化问题。群（Group）是一种集合加上一种运算的代数结构，集合记作A，运算记作·，那么群可以计算G=（A,·）。群运算

努力学习 729

视觉SLAM十四讲 读书编程笔记 Chapter12 回环检测

Chapter12 回环检测词袋模型(BoW)字典字典的结构实践：创建字典相似度的计算理论部分实践：相似度计算相似性评分的处理关键帧的处理检测之后的验证 词袋模型(BoW) 确定BoW的单词，从而组成字典。 确定一副图像中出现了哪些在字典中定义的概念，从而把一副图像转换成了一个向量的描述。 比较上一步中描述的相似程度。 字典 字典的结构 字典生成问题类似于一个聚类问题，聚类问题常用K-mea...

wolfcsharp的博客 934

视觉SLAM十四讲 读书编程笔记 Chapter13 建图

Chapter13 建图单目稠密重建极线搜索与块匹配高斯分布的深度滤波器实践：单目稠密重建实验分析与讨论像素梯度问题逆深度图像间的变换完整代码：RGB-D稠密建图实践：点云地图实践：八叉树地图 单目稠密重建 极线搜索与块匹配 如图所示，左边的相机观测到了某个像素p1，由于这是一个单目相机，我们无从知道它的深度。 图 就像对极几何中描述的一样，p1对应的空间点会落在右边相机拍摄的图像的极线l2上。 ...

wolfcsharp的博客 1583

视觉SLAM十四讲：从理论到实践（Chapter9：后端1）

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解后端的概念。 2.理解以EKF为代表的滤波器后端的工作原理。 3.理解非线性优化的后端，明白稀疏性是如何利用的。 4.使用g2o和Ceres实际操作后端优化 BA：Bundle Adjustment，是一种批量式的优化方法，给定很多个相机位姿、路标与观测数据，计 算最优的状态估计；定义每个运动/观测方程的误差，并从初始估 计开始寻找梯度下降；BA代价函数：待优化变量：相机的位姿和Landmark的三维空间坐标把自变量定义成所有待优化的变量：，Δ

努力学习 772

视觉SLAM十四讲：从理论到实践（Chapter8：视觉里程计2）

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解光流法跟踪特征点的原理。 2.理解直接法是如何估计相机位姿的。 3.实现多层直接法的计算。特征点法存在缺陷：光流：空间运动物体在观察成像平面上的像素运动的瞬时速度。稀疏光流：计算部分像素的运动稠密光流：计算所有像素的运动灰度不变假设：同一个空间点的像素灰度值，在各个图像中是固定不变的。灰度不变假设是一个很强的假设，实际中很可能不成立。根据灰度不变假设，有：于是有：在LK光流中，假设某一个窗口(patch)内的像素具有相同的运动。依旧是灰度不变假设

努力学习 1024

视觉SLAM十四讲 读书编程笔记 Chapter8 视觉里程计2

Chapter8 后端2

wolfcsharp的博客 683
上一篇： 视觉SLAM十四讲 读书编程笔记 Chapter4 李群与李代数
下一篇： 视觉SLAM十四讲 读书编程笔记 Chapter6 非线性优化
点赞 7
评论 0
书签 书签 8
Leo-Ma
Leo-Ma
博客等级 码龄11年 1701粉丝 124原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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
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