机器人学习笔记(2) 刚性运动和齐次变换

2023-11-26 18:30

本文主要是介绍机器人学习笔记(2) 刚性运动和齐次变换,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!

2019/10/22
2.1 位置的表示方法
几何推理的方法:合成方法、分析方法。
在这里插入图片描述
点在坐标系的表示:
点P在两个坐标系中表示如下,其中右上角表示的为所在坐标系。
在这里插入图片描述
坐标系相对坐标系的表示:第一项表示的为坐标系x1y1o1相对xyo的坐标。
在这里插入图片描述
2.2 旋转的表示方法
2.2.1 平面内的旋转

二维空间中,坐标系o1x1y1的各轴线(单位向量)被投影到坐标系o0x0y0(参考坐标系),旋转矩阵:
在这里插入图片描述
相反:
在这里插入图片描述
由于向量的点积服从交换律,因此有
在这里插入图片描述
2.2.2 三维空间中内旋转
三维空间中,坐标系o1x1y1的各轴线(单位向量)被投影到坐标系o0x0y0(参考坐标系),旋转矩阵:
在这里插入图片描述
绕z轴旋转
在这里插入图片描述
Rz,θ具有的性质:
在这里插入图片描述
绕x轴和y轴旋转
在这里插入图片描述
2.3 旋转变换
在坐标系o1x1y1中p坐标表示为:
在这里插入图片描述
p满足:
在这里插入图片描述
将p投影到o0x0y0中:
在这里插入图片描述
联立方程:
在这里插入图片描述
左边的矩阵为
在这里插入图片描述
坐标的矩阵为o1x1y1相对o0x0y0的姿态矩阵
在这里插入图片描述
旋转矩阵可以用三种不同的方式解释:(具体的解释根据题意)
在这里插入图片描述
2019/10/23
2.3.1 相似变换
在这里插入图片描述
在不同坐标系中表示相同的变换
2.4 旋转的叠加
2.4.1 相对于当前坐标的旋转
旋转的叠加定律:
在这里插入图片描述
我们称旋转发生时围绕的那个坐标系为当前坐标系(即可能不是针对一个固定坐标系而言)。此时矩阵相乘的顺序是右乘(后乘)。
在这里插入图片描述
2.4.2 相对于固定的坐标系的旋转
此时矩阵相乘的顺序是左乘(前乘)。
2.4.3 旋转变换的叠加定律
即对上面叠加的总结:“当前后乘,固定左乘”
2.5 旋转的参数化
在这里插入图片描述
因为列向量是单位向量,各列相互正交。(1,0,0)(0,1,0)=10+01+00=0;
上面的约束一起定义了6个独立的方程,其中有9个未知数,这意味着其中的自由变量数目为3。(即想完全表达两个的坐标的系的关系需要知道三个变量)
有三种方式来表达任意旋转,任何一种方式都需要三个独立变量:欧拉角、滚动-俯仰-偏航(roll-pitch-yaw)表示法、转轴/角度表示法。
2.5.1 欧拉角
在这里插入图片描述
即用三个角度来表示坐标系o1x1y1z1相对于坐标系o0x0y0z0的姿态,这三角度都是相对于当前的坐标系而言,因此为后乘,用旋转矩阵表示图示变换为:
在这里插入图片描述
(2.26)也称ZYZ-欧拉角变换。
如何根据特定的矩阵求解角度(待补充)
2.5.2 滚动角、俯仰角和偏航角
在这里插入图片描述
2019/10/24
2.5.3 转轴/角度表示
利用相似变换的使得绕某轴K的旋转变换成在原有坐标系的相同的旋转。
在这里插入图片描述
在这里插入图片描述
2.6 刚性运动
定义:刚性运动是一个有序对(d,R),其中d∈R³,R∈SO(3)。所有刚性运动组成的群被称为特殊欧式群,记为SE(3)。SE(3)=R³xSO(3).
在这里插入图片描述
2.7 齐次变换
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于机器人学习笔记(2) 刚性运动和齐次变换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/426136

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件