在上一篇解读中《解读《视觉SLAM十四讲》,带你一步一步入门视觉SLAM—— 第 4 讲 李群与李代数 (上)》,我们先介绍了李群的定义,知道了我们前面介绍的旋转矩阵集合就是一个李群,然后我们通过一些推导得到了 R = e x p ( ϕ ∧ ) R = exp(\boldsymbol\phi^{\wedge}) R=exp(ϕ∧),知道了旋转矩阵可以用李代数(向量)的形式去表示。 这一
demo演示 运行结果 我们考虑一个机器人在平面上被少量的准时地标或_信标 包围。 机器人以轴向速度和角速度的形式接收控制动作,并且能够测量信标相对于其自身参考系的位置。 机器人位姿 X 在 SE(2) 中,信标位置 b_k 在 R^2 中, | cos th -sin th x | * X = | sin th cos th y | //位置和方向
5.证明: R p ∧ R T = ( R p ) ∧ . Rp^{\wedge }R^{T} = (Rp)^{\wedge}. Rp∧RT=(Rp)∧. 证明: ⇒ ( R p ) ∧ n = ( R p ) × ( R R − 1 n ) = R [ p × ( R − 1 n ) ] = R p ∧ R ⊤ n \Rightarrow (Rp)^{\wedge}n = (Rp) \ti
三维旋转构成了三维旋转群 SO(3),其对应的李代数为 s o \mathfrak{so} so(3);三维变换构成了三维变换群 SE(3),其对应的李代数为 s e \mathfrak{se} se(3)。 1.指数映射 李代数元素到李群元素的映射为指数映射,其中 s o \mathfrak{so} so(3) 至 SO(3) 的指数映射为: exp ( ϕ ∧ ) = R =