Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系

本文主要是介绍Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.概述

做MPC控制的时候,需要把 map 坐标系下的相关坐标点转换到 car 坐标系中,由于是只考虑 xy 平面,所以计算比较简单。做完之后,考虑到三维空间的坐标系转换还是不太懂,主要是ROS系统中的tf变换,于是摸了两天鱼。今天详细的记录下来,旋转矩阵、四元素、欧拉角以及各个之间的转换关系。
阅读了好几篇大神的文章,具体也找不到连接了,在此顶礼膜拜,如有相似的地方,那就相似吧,毕竟原理都一样。
本文采用的为右手坐标系,以车身为参考的话,就是车头朝向为x轴正向,垂直于x轴且指向车身左侧为y轴正向,z轴垂直于xy平面,且向上为正方向,原点为车辆质心,此时车辆绕z轴旋转角为yaw角 ,y轴旋转为 pitch角 , x轴旋转为 roll角。

2.原理

2.1旋转矩阵

对于两个三维点 p 1 ( x 1 , y 1 , z 1 ) p1(x1,y1,z1) p1(x1,y1,z1) p 2 ( x 2 , y 2 , z 2 ) p2(x2,y2,z2) p2(x2,y2,z2),由点 p 1 p1 p1 经过旋转矩阵 R R R 旋转到 p 2 p2 p2,则有:
R = [ r 11 r 12 r 13 r 21 r 22 r 23 r 31 r 32 r 33 ] R=\begin{bmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{bmatrix} R=r11r21r31r12r22r32r13r23r33
[ x 2 y 2 z 2 ] = R ∗ [ x 1 y 1 z 1 ] \begin{bmatrix} x_2 \\ y_2 \\ z_2 \end{bmatrix} = R*\begin{bmatrix} x_1 \\ y_1 \\ z_1 \end{bmatrix} x2y2z2=Rx1y1z1
注意:旋转矩阵为正交矩阵 R ∗ R T = E R*R^T=E RRT=E
绕x轴旋转角度 θ \theta θ
R x ( θ ) = [ 1 0 0 0 c o s ( θ ) − s i n ( θ ) 0 s i n ( θ ) c o s ( θ ) ] R_x(\theta)=\begin{bmatrix} 1 & 0 & 0 \\ 0 & cos(\theta) & -sin(\theta) \\ 0 & sin(\theta) & cos(\theta) \end{bmatrix} Rx(θ)=1000cos(θ)sin(θ)0sin(θ)cos(θ)

绕y轴旋转角度 θ \theta θ
R y ( θ ) = [ c o s ( θ ) 0 s i n ( θ ) 0 1 0 − s i n ( θ ) 0 c o s ( θ ) ] R_y(\theta)=\begin{bmatrix} cos(\theta) & 0 & sin(\theta) \\ 0 & 1 & 0 \\ -sin(\theta) & 0 & cos(\theta) \end{bmatrix} Ry(θ)=cos(θ)0sin(θ)010sin(θ)0cos(θ)

绕z轴旋转角度 θ \theta θ
R z ( θ ) = [ c o s ( θ ) − s i n ( θ ) 0 s i n ( θ ) c o s ( θ ) 0 0 0 1 ] R_z(\theta)=\begin{bmatrix} cos(\theta) & -sin(\theta) & 0 \\ sin(\theta) & cos(\theta) & 0 \\ 0 & 0 & 1 \end{bmatrix} Rz(θ)=cos(θ)sin(θ)0sin(θ)cos(θ)0001

任意一个坐标系都可以通过依次绕着三个坐标轴旋转到指定的朝向,这三个角度就是欧拉角。

2.2 欧拉角

还是以汽车为例子,车身本身有一个车身坐标系 car ,同时,车辆定位以及路点所采用的是 map 坐标系,车辆的运动相对于这两个坐标系的意义是不同的,这里不考虑车辆的移动变化,仅仅考虑旋转:

  1. 不论车辆如何运动,坐标系 car 始终是和车辆的运动保持一致的,所以车辆的运动对于 car 坐标系来说,始终保持静止车辆坐标对于car坐标系不变,car 坐标系会随着车辆的运动而不停的变化,因为坐标系不是静止的,此时的欧拉角称为动态欧拉角
  2. 另一种是车辆的运动相对于 map 坐标系,车辆本身的坐标对于坐标系 map 不停的发生变化,但是坐标系 map 却是保持不动的,此时的欧拉角称为静态欧拉角
    使用动态欧拉角的时候会发生万向锁现象,静态欧拉角则不会。万向锁的现象,简单来说,就是坐标系绕某一轴旋转90°后,再换另外一个轴旋转的时候,会失去一个自由度,如下图所示:
    在这里插入图片描述
    欧拉角
    实际使用中,首先需要选定一个参考系做为参考系(参考系是静止不动的,在做相关的数据处理的时候,其他坐标系的朝向一般都是向参考系转换的),如上图所示,wiki找的图,这里选取XYZ坐标系做为参考系,xyz坐标系为刚体本身的坐标系,会随着刚体的运动而运动。直线N为xy平面与XY平面的交线, α \alpha α为x轴与交线N的夹角, β \beta β为z轴与Z轴的夹角, γ \gamma γ为交线与X轴的夹角。
    每当使用欧拉角时,必须明确的指出夹角的顺序,并指定其参考轴。即使相同的欧拉角,按照不同的旋转顺序,最终得到的结果是不一样的,这个必须要注意。

2.2.1 由欧拉角求旋转矩阵

设三个轴 x , y , z x,y,z x,y,z的欧拉角分别为 θ x , θ y , θ z \theta_x,\theta_y,\theta_z θx,θy,θz,对应的正弦值、余弦值简写为 s x , c x , s y , c y , s z , c z s_x,c_x,s_y,c_y,s_z,c_z sx,cx,sy,cy,sz,cz,且旋转的顺序为 y a w , p i t c h . r o l l yaw,pitch.roll yaw,pitch.roll,因此旋转矩阵为
R ( θ z , θ y , θ x ) = R z ( θ z ) ∗ R y ( θ y ) ∗ R x ( θ x ) = [ c y c z c z s x s y − c x s z s x s z + c x c z s y c y s z c x c z + s x s y s z c x s y s z − c z s x − s y c y s x c x c y ] R(\theta_z,\theta_y,\theta_x)=R_z(\theta_z)*R_y(\theta_y)*R_x(\theta_x)=\begin{bmatrix} c_yc_z & c_zs_xs_y-c_xs_z & s_xs_z+c_xc_zs_y \\ c_ys_z & c_xc_z+s_xs_ys_z & c_xs_ys_z-c_zs_x \\ -s_y & c_ys_x & c_xc_y \end{bmatrix} R(θz,θy,θx)=Rz(θz)Ry(θy)Rx(θx)=cyczcyszsyczsxsycxszcxcz+sxsyszcysxsxsz+cxczsycxsyszczsxcxcy

2.2.2 由旋转矩阵求欧拉角

R = [ r 11 r 12 r 13 r 21 r 22 r 23 r 31 r 32 r 33 ] = [ c y c z c z s x s y − c x s z s x s z + c x c z s y c y s z c x c z + s x s y s z c x s y s z − c z s x − s y c y s x c x c y ] R=\begin{bmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{bmatrix}=\begin{bmatrix} c_yc_z & c_zs_xs_y-c_xs_z & s_xs_z+c_xc_zs_y \\ c_ys_z & c_xc_z+s_xs_ys_z & c_xs_ys_z-c_zs_x \\ -s_y & c_ys_x & c_xc_y \end{bmatrix} R=r11r21r31r12r22r32r13r23r33=cyczcyszsyczsxsycxszcxcz+sxsyszcysxsxsz+cxczsycxsyszczsxcxcy
求解方程,可以有
θ x = a t a n r 32 r 33 \theta_x=atan \frac{r_{32}}{r_{33}} θx=atanr33r32
θ y = a t a n − r 31 r 32 2 + r 33 2 \theta_y=atan \frac{-r_{31}}{\sqrt{r_{32}^2+r_{33}^2}} θy=atanr322+r332 r31
θ z = a t a n r 21 r 11 \theta_z=atan \frac{r_{21}}{r_{11}} θz=atanr11r21
从上面的公式,也可以看出万向锁的问题,比如 r 11 , r 33 r_{11},r_{33} r11r33等于0的时候,公式就无法使用了,所以在由旋转矩阵向欧拉角求解的时候,要注意看对应的矩阵元素是不是为0。

2.3 四元素(Quaternion)

学过CAD的都知道,三维控制可以按照一定的方式投影到二维,那么同理,四维空间也可以通过一样的方式投影到三维。然后,四元素就神奇的产生了。
通常情况下,都会采用单位四元素 q = ω + x i ⇀ + y j ⇀ + z k ⇀ = [ s , V ] q=\omega+x\overrightharpoon{i}+y\overrightharpoon{j}+z \overrightharpoon{k}=[s,V] q=ω+xi +yj +zk =[s,V]来表示旋转,其中
∥ q ∥ = x 2 + y 2 + z 2 + ω 2 = 1 \lVert q \rVert=x^2+y^2+z^2+\omega^2=1 q=x2+y2+z2+ω2=1
具体的四元素相关运算法则,这里就不详细描述了。

2.3.1 由四元素求解旋转矩阵

R ( q ) = [ 1 − 2 y 2 − 2 z 2 2 x y − 2 z w 2 x z + 2 y w 2 x y + 2 z w 1 − 2 x 2 − 2 z 2 2 y z − 2 x w 2 x z − 2 y w 2 y z + 2 x w 1 − 2 x 2 − 2 y 2 ] R(q)=\begin{bmatrix} 1-2y^2-2z^2 & 2xy-2zw & 2xz+2yw \\ 2xy+2zw & 1-2x^2-2z^2 & 2yz-2xw \\ 2xz-2yw & 2yz+2xw & 1-2x^2-2y^2 \end{bmatrix} R(q)=12y22z22xy+2zw2xz2yw2xy2zw12x22z22yz+2xw2xz+2yw2yz2xw12x22y2

2.3.2 由旋转矩阵求解四元素

  • 情况1
    ω = 1 + r 11 + r 22 + r 33 2 \omega=\frac{\sqrt{1+r_{11}+r_{22}+r_{33}}}{2} ω=21+r11+r22+r33
    x = r 32 − r 23 4 ω x=\frac{r_{32}-r_{23}}{4\omega} x=4ωr32r23
    y = r 13 − r 31 4 ω y=\frac{r_{13}-r_{31}}{4\omega} y=4ωr13r31
    z = r 21 − r 12 4 ω z=\frac{r_{21}-r_{12}}{4\omega} z=4ωr21r12
    其中,需要满足 ω ≠ 0 , 1 + r 11 + r 22 + r 33 > 0 \omega\not=0,1+r_{11}+r_{22}+r_{33}>0 ω=0,1+r11+r22+r33>0,即 1 + t r ( R ) > 0 1+tr(R)>0 1+tr(R)>0
  • 情况2
    如果 ω \omega ω趋近于0, t r ( R ) tr(R) tr(R)趋近于 -1,则求解四元素的过程为
    – 情况 2.1 如果 m a x { r 11 , r 22 , r 33 } = r 11 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{11} max{r11,r22,r33}=r11
    t = 1 + r 11 − r 22 − r 33 t=\sqrt{1+r_{11}-r_{22}-r_{33}} t=1+r11r22r33
    ω = r 32 − r 23 t \omega=\frac{r_{32}-r_{23}}{t} ω=tr32r23
    x = t 4 x=\frac{t}{4} x=4t
    y = r 13 + r 31 t y=\frac{r_{13}+r_{31}}{t} y=tr13+r31
    z = r 12 + r 21 t z=\frac{r_{12}+r_{21}}{t} z=tr12+r21
    – 情况 2.2 如果 m a x { r 11 , r 22 , r 33 } = r 22 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{22} max{r11,r22,r33}=r22
    t = 1 − r 11 + r 22 − r 33 t=\sqrt{1-r_{11}+r_{22}-r_{33}} t=1r11+r22r33
    ω = r 13 − r 31 t \omega=\frac{r_{13}-r_{31}}{t} ω=tr13r31
    x = r 12 + r 21 t x=\frac{r_{12}+r_{21}}{t} x=tr12+r21
    y = t 4 y=\frac{t}{4} y=4t
    z = r 32 + r 23 t z=\frac{r_{32}+r_{23}}{t} z=tr32+r23
    – 情况 2.3 如果 m a x { r 11 , r 22 , r 33 } = r 33 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{33} max{r11,r22,r33}=r33
    t = 1 − r 11 − r 22 + r 33 t=\sqrt{1-r_{11}-r_{22}+r_{33}} t=1r11r22+r33
    ω = r 21 − r 12 t \omega=\frac{r_{21}-r_{12}}{t} ω=tr21r12
    x = r 13 + r 31 t x=\frac{r_{13}+r_{31}}{t} x=tr13+r31
    y = r 23 − r 32 t y=\frac{r_{23}-r_{32}}{t} y=tr23r32
    z = t 4 z=\frac{t}{4} z=4t

2.4 轴-角(Axis-Angle)

最后在补充一下,轴-角的概念,主要是自己用的不多,然后就不是很熟悉,这里简单记录一下吧!
轴-角(Axis-Angle)顾名思义就可以知道,就是某一坐标系通过围绕某一向量旋转一定角度,从而达到参考系的角度。设定等效旋转的方向向量为 K ⇀ = [ k x , k y , k z ] T \overrightharpoon{K}=\begin{bmatrix}{k_x,k_y,k_z}\end{bmatrix}^T K =[kx,ky,kz]T,等效旋转角为 θ \theta θ,则可以求出对应的四元素:
x = k x ∗ s i n θ 2 x=k_x*sin\frac{\theta}{2} x=kxsin2θ
y = k y ∗ s i n θ 2 y=k_y*sin\frac{\theta}{2} y=kysin2θ
z = k z ∗ s i n θ 2 z=k_z*sin\frac{\theta}{2} z=kzsin2θ
ω = c o s θ 2 \omega=cos\frac{\theta}{2} ω=cos2θ
且有 x 2 + y 2 + z 2 + ω 2 = 1 x^2+y^2+z^2+\omega^2=1 x2+y2+z2+ω2=1

3 坐标系的平移

设定坐标点 A ( x 1 , y 1 , z 1 ) A (x_1,y_1,z_1) A(x1,y1,z1)和坐标点 B ( x 2 , y 2 , z 2 ) B(x_2,y_2,z_2) B(x2,y2,z2),原先两个点都是以参考系为坐标系的,现在将坐标系原点移动到 B B B点(不考虑坐标系的旋转),则点 A A A在以点 B B B为坐标系原点的新坐标系中的坐标为 ( x 1 − x 2 , y 1 − y 2 , z 1 − z 2 ) (x_1-x_2,y_1-y_2,z_1-z_2) (x1x2,y1y2,z1z2)
坐标系的旋转加平移,这样就可以把空间中的任意坐标系重新投影到另一个坐标系中。

这里记录一下踩到的坑,以点 B B B为圆心绕着某个轴逆时针旋转相应的角度,角度为正值,顺时针为负值。但是对于点 A A A来说,角度的正负取值确实相反的。举个栗子说一下,就是以点 B B B为原点的坐标系,绕 z z z轴逆时针旋转了角度 θ \theta θ,对于原点 B B B来说,旋转的角度是正值,但是对于点 A A A来看,坐标系就是按照负角度进行旋转的了,这里尤其需要理解,不然很容易出错,不敢确定的话,就自己找个简单的数据,计算出结果看看,这样最保险!!!

至于不同的表示方式之间的转换方式,自己动手推导一下就行,这里实在是码不动了,公式太难了。。。。。

这篇关于Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/391974

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

Java数字转换工具类NumberUtil的使用

《Java数字转换工具类NumberUtil的使用》NumberUtil是一个功能强大的Java工具类,用于处理数字的各种操作,包括数值运算、格式化、随机数生成和数值判断,下面就来介绍一下Number... 目录一、NumberUtil类概述二、主要功能介绍1. 数值运算2. 格式化3. 数值判断4. 随机

C语言中自动与强制转换全解析

《C语言中自动与强制转换全解析》在编写C程序时,类型转换是确保数据正确性和一致性的关键环节,无论是隐式转换还是显式转换,都各有特点和应用场景,本文将详细探讨C语言中的类型转换机制,帮助您更好地理解并在... 目录类型转换的重要性自动类型转换(隐式转换)强制类型转换(显式转换)常见错误与注意事项总结与建议类型

Python实现视频转换为音频的方法详解

《Python实现视频转换为音频的方法详解》这篇文章主要为大家详细Python如何将视频转换为音频并将音频文件保存到特定文件夹下,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. python需求的任务2. Python代码的实现3. 代码修改的位置4. 运行结果5. 注意事项

使用Python实现图片和base64转换工具

《使用Python实现图片和base64转换工具》这篇文章主要为大家详细介绍了如何使用Python中的base64模块编写一个工具,可以实现图片和Base64编码之间的转换,感兴趣的小伙伴可以了解下... 简介使用python的base64模块来实现图片和Base64编码之间的转换。可以将图片转换为Bas

css实现图片旋转功能

《css实现图片旋转功能》:本文主要介绍了四种CSS变换效果:图片旋转90度、水平翻转、垂直翻转,并附带了相应的代码示例,详细内容请阅读本文,希望能对你有所帮助... 一 css实现图片旋转90度.icon{ -moz-transform:rotate(-90deg); -webkit-transfo

MYSQL关联关系查询方式

《MYSQL关联关系查询方式》文章详细介绍了MySQL中如何使用内连接和左外连接进行表的关联查询,并展示了如何选择列和使用别名,文章还提供了一些关于查询优化的建议,并鼓励读者参考和支持脚本之家... 目录mysql关联关系查询关联关系查询这个查询做了以下几件事MySQL自关联查询总结MYSQL关联关系查询

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

五大特性引领创新! 深度操作系统 deepin 25 Preview预览版发布

《五大特性引领创新!深度操作系统deepin25Preview预览版发布》今日,深度操作系统正式推出deepin25Preview版本,该版本集成了五大核心特性:磐石系统、全新DDE、Tr... 深度操作系统今日发布了 deepin 25 Preview,新版本囊括五大特性:磐石系统、全新 DDE、Tree

Python 标准库time时间的访问和转换问题小结

《Python标准库time时间的访问和转换问题小结》time模块为Python提供了处理时间和日期的多种功能,适用于多种与时间相关的场景,包括获取当前时间、格式化时间、暂停程序执行、计算程序运行时... 目录模块介绍使用场景主要类主要函数 - time()- sleep()- localtime()- g