群论

定义

群(Group)是一种集合加上一个二元运算

GGG是一个非空集合⋅\cdot是一个二元运算,若满足如下条件:

  • 封闭性: ∀a,b∈G,a⋅b∈G\forall a,b\in G, a\cdot b \in Ga,bG,abG
  • 结合律: ∀a,b,c∈G,(a⋅b)⋅c=a⋅(b⋅c)\forall a,b,c\in G, (a\cdot b)\cdot c=a\cdot(b\cdot c)a,b,cG,(ab)c=a(bc)
  • 单位元(幺元): ∃e∈G,s.t.∀a∈Ga⋅e=e⋅a=a\exists e\in G,\enspace s.t.\enspace \forall a\in G\enspace a\cdot e=e\cdot a=aeG,s.t.aGae=ea=a
  • 逆元: ∀a∈G,∃a−1∈G,s.t.a⋅a−1=a−1⋅a=e\forall a\in G,\exist a^{-1}\in G,\enspace s.t.\enspace a\cdot a^{-1}=a^{-1}\cdot a=eaG,a1G,s.t.aa1=a1a=e

则称GGG⋅\cdot构成一个群,记作(G,⋅)(G,\cdot)(G,)

  • GGG上二元运算⋅\cdot为“乘法”
  • a⋅ba\cdot babaaabbb的积,简写ababab
  • 若群GGG中元素有限,则称其为有限群,反之则称其为无限群
  • 有限群的元素个数称为有限群的阶

子群

对于群(G,⋅)(G,\cdot)(G,)存在H⊂GH\subset GHGH≠∅H\neq \varnothingH=,若(H,⋅)(H,\cdot)(H,)也是一个群,则称HHHGGG的子群。子群的充要条件如下:
HH=H且H−1=H HH=H且H^{-1}=H HH=HH1=H

李群

李群是一种具有连续(光滑)性质的群,它既是群也是流形。

刚体能够连续地在空间中运动,故而特殊正交群SO(n)SO(n)SO(n)和特殊欧式群SE(n)SE(n)SE(n)为李群。

李代数

定义

每个李群都有与之对应的李代数,李代数描述了李群单位元附近的正切空间性质

李代数由一个集合VVV,一个数域FFF以及一个二元运算[,][,][,]组成,记为(V,F,[,])(V,F,[,])(V,F,[,])。其中二元运算[,][,][,]被称为李括号,表示了两元素间的差异。

李代数满足如下条件:

  • 封闭性: ∀X,Y∈V,[X,Y]∈V\forall X,Y\in V,\enspace [X,Y]\in VX,YV,[X,Y]V

  • 双线性: ∀X,Y,Z∈V,a,b∈F\forall X,Y,Z\in V,\enspace a,b\in FX,Y,ZV,a,bF有:
    [aX+bY,Z]=a[X,Z]+b[Y,Z][Z,aX+bY]=a[Z,X]+b[Z,Y] [aX+bY,Z]=a[X,Z]+b[Y,Z]\\ [Z,aX+bY]=a[Z,X]+b[Z,Y] [aX+bY,Z]=a[X,Z]+b[Y,Z][Z,aX+bY]=a[Z,X]+b[Z,Y]

  • 自反性: ∀X∈V,[X,X]=0\forall X\in V,[X,X]=0XV,[X,X]=0

  • 雅可比等价: ∀X,Y,Z∈V,[X,[Y,Z]]+[Y,[Z,X]]+[Z,[X,Y]]=0\forall X,Y,Z\in V,[X,[Y,Z]]+[Y,[Z,X]]+[Z,[X,Y]]=0X,Y,ZV,[X,[Y,Z]]+[Y,[Z,X]]+[Z,[X,Y]]=0

  • 反对称性: ∀X,Y∈V,[X,Y]=−[Y,X]\forall X,Y\in V, [X,Y]=-[Y,X]X,YV,[X,Y]=[Y,X]

推导(SO(3)李代数)

对于任意旋转矩阵RRR,满足RRT=IRR^T=IRRT=I。刚体在三维空间中的运动是连续的,随时间而变换,也即:
R(t)R(t)T=I R(t)R(t)^T=I R(t)R(t)T=I
两侧对时间ttt进行求导:
R˙(t)R(t)T+R(t)R˙(t)T=0R˙(t)R(t)T=−R(t)R˙(t)TR˙(t)R(t)T=−(R˙(t)R(t)T)T \begin{aligned} \dot R(t)R(t)^T&+R(t)\dot R(t)^T=0\\ \dot R(t)R(t)^T&=-R(t)\dot R(t)^T\\ \dot R(t)R(t)^T&=-\Bigl(\dot R(t)R(t)^T\Bigr)^T \end{aligned} R˙(t)R(t)TR˙(t)R(t)TR˙(t)R(t)T+R(t)R˙(t)T=0=R(t)R˙(t)T=(R˙(t)R(t)T)T
由此,可知R˙(t)R(t)T\dot R(t)R(t)^TR˙(t)R(t)T为反对称矩阵,记R˙(t)R(t)T=ϕ(t)∧\dot R(t)R(t)^T=\phi(t)^\wedgeR˙(t)R(t)T=ϕ(t),等式两侧右乘R(t)R(t)R(t)
R˙(t)=ϕ(t)∧R(t)R˙(t)=[0−ϕ3ϕ2ϕ30−ϕ1−ϕ2ϕ10]R(t) \begin{aligned} \dot R(t)&=\phi(t)^\wedge R(t)\\ \dot R(t)&=\begin{bmatrix}0&-\phi_3&\phi_2\\\phi_3&0&-\phi_1\\-\phi_2&\phi_1&0\end{bmatrix}R(t) \end{aligned} R˙(t)R˙(t)=ϕ(t)R(t)=0ϕ3ϕ2ϕ30ϕ1ϕ2ϕ10R(t)
由上式可知,每对旋转矩阵求一次导数,只需对其左乘一个ϕ(t)∧\phi(t)^\wedgeϕ(t)

SO(3)SO(3)SO(3)的单位元为:t0=0,R(0)=It_0=0,R(0)=It0=0,R(0)=I,将R(t)R(t)R(t)在单位元附近进行一阶泰勒展开:
R(t)≈R(t0)+R˙(t0)(t−t0)=I+ϕ(t0)∧R(t0)(t−t0)=I+ϕ(t0)∧t \begin{aligned} R(t)&\approx R(t_0)+\dot R(t_0)(t-t_0)\\ &=I+\phi(t_0)^\wedge R(t_0)(t-t_0)\\ &=I+\phi(t_0)^\wedge t \end{aligned} R(t)R(t0)+R˙(t0)(tt0)=I+ϕ(t0)R(t0)(tt0)=I+ϕ(t0)t
ϕ\phiϕ反应了旋转矩阵RRR的导数性质,称其在SO(3)SO(3)SO(3)原点附近的正切空间上。

t0t_0t0附近ϕ\phiϕ为常数不变:ϕ(t0)=ϕ0\phi(t_0)=\phi_0ϕ(t0)=ϕ0,则有:
R˙(t)=ϕ0∧R(t) \dot R(t)=\phi_0^\wedge R(t) R˙(t)=ϕ0R(t)
在初始条件R(0)=IR(0)=IR(0)=I下解微分方程,得到:
R(t)=exp(ϕ0∧t) R(t)=exp(\phi_0^\wedge t) R(t)=exp(ϕ0t)
上式称为李代数so(3)so(3)so(3)的指数映射关系。

李代数so(3)

向量空间:so(3)={Φ=ϕ∧∈ℜ3×3∣ϕ∈ℜ3}so(3)=\Bigl\{\Phi=\phi^\wedge\in\Re^{3\times3}\enspace\Big\vert \phi\in\Re^3\Bigr\}so(3)={Φ=ϕ3×3ϕ3}

数域:ℜ\Re

李括号:[ϕa,ϕb]=ΦaΦb−ΦbΦa[\phi_a,\phi_b]=\Phi_a\Phi_b-\Phi_b\Phi_a[ϕa,ϕb]=ΦaΦbΦbΦa
[ϕa,ϕb]=ΦaΦb−ΦbΦa=ϕa∧ϕb∧−ϕb∧ϕa∧=(ϕa∧ϕb)∧∈so(3) \begin{aligned} {[}\phi_a,\phi_b]&=\Phi_a\Phi_b-\Phi_b\Phi_a\\ &=\phi_a^\land\phi_b^\land-\phi_b^\land\phi_a^\land\\ &=\bigl(\phi_a^\land\phi_b\bigr)^\land\in so(3) \end{aligned} [ϕa,ϕb]=ΦaΦbΦbΦa=ϕaϕbϕbϕa=(ϕaϕb)so(3)
其中Φ=ϕ∧\Phi=\phi^\landΦ=ϕ,为反对称矩阵:
Φ=[0−ϕ3ϕ2ϕ30−ϕ1−ϕ2ϕ10]∈ℜ3×3 \Phi=\begin{bmatrix}0&-\phi_3&\phi_2\\\phi_3&0&-\phi_1\\-\phi_2&\phi_1&0\end{bmatrix}\in \Re^{3\times3} Φ=0ϕ3ϕ2ϕ30ϕ1ϕ2ϕ103×3

视集合ℜ3\Re^33和叉乘运算作为se(3)se(3)se(3)

李代数se(3)

向量空间:se(3)={Ξ=ξ∧∈ℜ4×4∣ξ∈ℜ6}se(3)=\Biggl\{\Xi=\xi^\land\in\Re^{4\times4} \Bigg\vert\xi\in\Re^{6}\Biggr\}se(3)={Ξ=ξ4×4ξ6}

数域:ℜ\Re

李括号[Ξ1,Ξ2]=Ξ1Ξ2−Ξ2Ξ1[\Xi_1,\Xi_2]=\Xi_1\Xi_2-\Xi_2\Xi_1[Ξ1,Ξ2]=Ξ1Ξ2Ξ2Ξ1
[Ξa,Ξb]=ΞaΞb−ΞaΞb=ξa∧ξb∧−ξb∧ξa∧=(ξ1⋆ξ2)∧∈se(3) \begin{aligned} {[}\Xi_a,\Xi_b]&=\Xi_a\Xi_b-\Xi_a\Xi_b\\ &=\xi_a^\land\xi_b^\land-\xi_b^\land\xi_a^\land\\ &=\bigl(\xi_1^{\star}\xi_2\bigr)^\land\in se(3) \end{aligned} [Ξa,Ξb]=ΞaΞbΞaΞb=ξaξbξbξa=(ξ1ξ2)se(3)
其中,参量ξ\xiξ用于表示平移加旋转:
ξ=[ρϕ],ρ∈ℜ3,ϕ∈so(3) \xi=\begin{bmatrix}\rho\\\phi\end{bmatrix},\rho\in\Re^3,\phi\in so(3) ξ=[ρϕ],ρ3,ϕso(3)
ξ∧\xi^\landξ非反对称矩阵,但仍保留记法:
ξ∧=[ϕ∧ρ0T0]∈ℜ4×4 \xi^\land=\begin{bmatrix}\phi^\land&\rho\\0^T&0\end{bmatrix}\in\Re^{4\times4} ξ=[ϕ0Tρ0]4×4

星计算ξ⋆\xi^\starξ定义为:
ξ⋆=[ρϕ]⋆=[ϕ∧ρ∧0ϕ∧]∈ℜ6×6 \xi^\star=\begin{bmatrix}\rho\\\phi\end{bmatrix}^\star=\begin{bmatrix}\phi^\land&\rho^\land\\0&\phi^\land\end{bmatrix}\in\Re^{6\times6} ξ=[ρϕ]=[ϕ0ρϕ]6×6
视集合ℜ6\Re^66和星计算为se(3)se(3)se(3)

指数映射与对数映射

指数映射反应了从李代数到李群的转换,任意矩阵的指数映射可写成一个泰勒展开,其结果仍是一个矩阵:
exp(G)=∑n=0∞1n!Gn exp(G)=\sum_{n=0}^\infty\frac{1}{n!}G^n exp(G)=n=0n!1Gn
对数映射则反应了从李群到李代数的转换:
ln⁡(G)=∑n=0∞(−1)nn+1(G−I)n+1 \ln(G)=\sum_{n=0}^\infty\frac{(-1)^{n}}{n+1}(G-I)^{n+1} ln(G)=n=0n+1(1)n(GI)n+1

李群SO(3)SO(3)SO(3)李代数so(3)so(3)so(3)

ϕ\phiϕ是一个向量,定义其模长为θ\thetaθ方向为aaaϕ=θa\phi=\theta aϕ=θa。其中,aaa为一个模长为1的单位向量:∥a∥=1\begin{Vmatrix}a\end{Vmatrix}=1a=1

对于反对称矩阵a∧a^\landa,易得:
式1:a∧a∧=aaT−I式2:a∧a∧a∧=a∧(aaT−I)=−a∧ \begin{aligned} 式1:\qquad&a^\land a^\land=aa^T-I\\ 式2:\qquad&a^\land a^\land a^\land=a^\land (aa^T-I)=-a^\land \end{aligned} 1:2:aa=aaTIaaa=a(aaTI)=a

指数映射

对指数映射进行Taylor展开并将上述等式代入:
exp(ϕ∧)=exp(θa∧)=∑n=0∞1n!(θa∧)n1:=I+θa∧+12!θ2a∧a∧+13!θ3a∧a∧a∧+14!θ4(a∧)4+⋯2:=(aaT−a∧a∧)+θa∧+12!θ2a∧a∧−13!θ3a∧−14!θ4a∧a∧+⋯3:=aaT+(θ−13!θ3+15!θ5−⋯ )a∧−(1−12!θ2+14!θ4−⋯ )a∧a∧4:=(I+a∧a∧)+sin⁡θa∧−cos⁡θa∧a∧5:=(1−cos⁡θ)a∧a∧+I+sin⁡θa∧6:=(1−cos⁡θ)(aaT−I)+I+sin⁡θa∧7:=cos⁡θI+(1−cos⁡θ)aaT+sin⁡θa∧ \begin{aligned} exp(\phi^\land)&=exp(\theta a^\land)=\sum^\infty_{n=0}\frac{1}{n!}(\theta a^\land)^n\\ 1:\qquad &=I+\theta a^\land + \frac{1}{2!}\theta^2a^\land a^\land +\frac{1}{3!}\theta^3 a^\land a^\land a^\land+\frac{1}{4!}\theta^4(a^\land)^4+\cdots\\ 2:\qquad &=(aa^T-a^\land a^\land)+\theta a^\land+\frac{1}{2!}\theta^2a^\land a^\land -\frac{1}{3!}\theta^3 a^\land-\frac{1}{4!}\theta^4a^\land a^\land+\cdots\\ 3:\qquad &=aa^T+\Bigl(\theta-\frac{1}{3!}\theta^3+\frac{1}{5!}\theta^5-\cdots\Bigr)a^\land-\Bigl(1-\frac{1}{2!}\theta^2+\frac{1}{4!}\theta^4-\cdots\Bigr)a^\land a^\land\\ 4:\qquad &=(I+a^\land a^\land) +\sin\theta a^\land -\cos\theta a^\land a^\land\\ 5:\qquad &=(1-\cos\theta)a^\land a^\land+I+\sin\theta a^\land\\ 6:\qquad &=(1-\cos\theta)(aa^T-I)+I+\sin\theta a^\land\\ 7:\qquad &=\cos\theta I+(1-\cos\theta)aa^T+\sin\theta a^\land \end{aligned} exp(ϕ)1:2:3:4:5:6:7:=exp(θa)=n=0n!1(θa)n=I+θa+2!1θ2aa+3!1θ3aaa+4!1θ4(a)4+=(aaTaa)+θa+2!1θ2aa3!1θ3a4!1θ4aa+=aaT+(θ3!1θ3+5!1θ5)a(12!1θ2+4!1θ4)aa=(I+aa)+sinθacosθaa=(1cosθ)aa+I+sinθa=(1cosθ)(aaTI)+I+sinθa=cosθI+(1cosθ)aaT+sinθa
上述计算过程的处理思路如下:

  • 第一步:泰勒展开

  • 第二步:将式1代入替换第一步中的III;将式2代入替换a∧a∧a∧a^\land a^\land a^\landaaa

  • 第三步:对第二步进行整理

  • 第四步:将式1代入替换第三步中的aaTaa^TaaT;将三角函数的泰勒展开形式写回三角函数形式:
    sin⁡θ=θ−13!θ3+15!θ5−⋯cos⁡θ=1−12!θ2+14!θ4−⋯ \begin{aligned} \sin\theta &=\theta-\frac{1}{3!}\theta^3+\frac{1}{5!}\theta^5-\cdots\\ \cos\theta &=1-\frac{1}{2!}\theta^2+\frac{1}{4!}\theta^4-\cdots \end{aligned} sinθcosθ=θ3!1θ3+5!1θ5=12!1θ2+4!1θ4

  • 第五步:对第四步进行整理

  • 第六步:将式1代入替换第五步中a∧a∧a^\land a^\landaa

  • 第七步:对第六步进行整理

最终得到李代数so(3)so(3)so(3)到李群SO(3)SO(3)SO(3)的指数映射:
exp(ϕ∧)=exp(θa∧)=cos⁡θI+(1−cos⁡θ)aaT+sin⁡θa∧ exp(\phi^\land)=exp(\theta a^\land)=\cos\theta I+(1-\cos\theta)aa^T+\sin\theta a^\land exp(ϕ)=exp(θa)=cosθI+(1cosθ)aaT+sinθa
该式被称为罗德里格斯公式,李代数so(3)so(3)so(3)的物理意义就是旋转向量。

对数映射

SO(3)SO(3)SO(3)so(3)so(3)so(3)的对数映射如下:
ϕ=ln⁡(R)∨=(∑n=0∞(−1)nn+1(R−I)n+1)∨ \phi=\ln(R)^\lor=\Biggl(\sum_{n=0}^\infty\frac{(-1)^{n}}{n+1}(R-I)^{n+1}\Biggr)^\lor ϕ=ln(R)=(n=0n+1(1)n(RI)n+1)
对数映射实现由旋转矩阵到旋转向量的转换,可使用刚体变换中计算方式,对指数映射两侧求迹从而简化计算:
θ=arccos⁡tr(R)−12Rn=n \theta=\arccos\frac{tr(R)-1}{2}\qquad\qquad\qquad\qquad Rn=n θ=arccos2tr(R)1Rn=n

注意点

指数映射是一个满射,不是一个单射。也即每个SO(3)SO(3)SO(3)内的元素,都可以找到一个so(3)so(3)so(3)元素与之一一对应;但可能存在多个so(3)so(3)so(3)中的元素,对应到一个SO(3)SO(3)SO(3)中元素。

若将旋转角度固定至±π\pm\pi±π中,则可认为李群、李代数中元素一一对应。

李群SE(3)SE(3)SE(3)李代数se(3)se(3)se(3)

指数映射

由李代数se(3)se(3)se(3)到李群SE(3)SE(3)SE(3)的转换如下:
exp(ξ∧)=[∑n=0∞1n!(ϕ∧)n∑n=0∞1(n+1)!(ϕ∧)nρ0T1]≜[RJρ0T1]=T \begin{aligned} exp(\xi^\land)&=\begin{bmatrix}\sum^\infty_{n=0}\frac{1}{n!}(\phi^\land)^n&\sum_{n=0}^\infty\frac{1}{(n+1)!}(\phi^\land)^n\rho\\0^T&1\end{bmatrix}\\ &\triangleq \begin{bmatrix}R&J\rho\\0^T&1\end{bmatrix}\\ &=T \end{aligned} exp(ξ)=[n=0n!1(ϕ)n0Tn=0(n+1)!1(ϕ)nρ1][R0TJρ1]=T
式中JJJ称为雅可比矩阵:
J=∑n=0∞1(n+1)!(ϕ∧)n=∑n=0∞1(n+1)!(θa∧)n1:=I+12!θa∧+13!θ2(a∧)2+14!θ3(a∧)3+15!θ4(a∧)4+⋯2:=I+1θ(12!θ2a∧+13!θ3(a∧)2+14!θ4(a∧)3+15!θ5(a∧)4+⋯ )3:=I+1θ(12!θ2a∧+13!θ3(a∧)2−14!θ4a∧−15!θ5(a∧)2+⋯ )4:=I+1θ(12!θ2−14!θ4+⋯ )a∧+1θ(13!θ3−15!θ5+⋯ )(a∧)25:=I+1θ(1−cos⁡θ)a∧+1θ(θ−sin⁡θ)(a∧)26:=I+1θ(1−cos⁡θ)a∧+1θ(θ−sin⁡θ)(aaT−I)7:=sin⁡θθI+(1−sin⁡θθ)aaT+1−cos⁡θθa∧ \begin{aligned} J=&\sum_{n=0}^\infty\frac{1}{(n+1)!}(\phi^\land)^n=\sum_{n=0}^\infty\frac{1}{(n+1)!}(\theta a^\land)^n\\ 1:\qquad =&I+\frac{1}{2!}\theta a^\land+\frac{1}{3!}\theta^2 (a^\land)^2+\frac{1}{4!}\theta^3 (a^\land)^3+\frac{1}{5!}\theta^4 (a^\land)^4+\cdots\\ 2:\qquad =&I+\frac{1}{\theta}\Bigl(\frac{1}{2!}\theta^2 a^\land+\frac{1}{3!}\theta^3 (a^\land)^2+\frac{1}{4!}\theta^4 (a^\land)^3+\frac{1}{5!}\theta^5 (a^\land)^4+\cdots\Bigr) \\ 3:\qquad =&I+\frac{1}{\theta}\Bigl(\frac{1}{2!}\theta^2 a^\land+\frac{1}{3!}\theta^3 (a^\land)^2-\frac{1}{4!}\theta^4 a^\land-\frac{1}{5!}\theta^5 (a^\land)^2+\cdots\Bigr)\\ 4:\qquad =& I+\frac{1}{\theta}\Bigl(\frac{1}{2!}\theta^2-\frac{1}{4!}\theta^4+\cdots\Bigr)a^\land + \frac{1}{\theta}\Bigl(\frac{1}{3!}\theta^3-\frac{1}{5!}\theta^5+\cdots\Bigr)(a^\land)^2 \\ 5:\qquad =& I+\frac{1}{\theta}(1-\cos\theta)a^\land+\frac{1}{\theta}(\theta-\sin\theta)(a^\land)^2\\ 6:\qquad =& I+\frac{1}{\theta}(1-\cos\theta)a^\land+\frac{1}{\theta}(\theta-\sin\theta)(aa^T-I)\\ 7:\qquad =& \frac{\sin\theta}{\theta}I+\Bigl(1-\frac{\sin\theta}{\theta}\Bigr)aa^T+\frac{1-\cos\theta}{\theta}a^\land\\ \end{aligned} J=1:=2:=3:=4:=5:=6:=7:=n=0(n+1)!1(ϕ)n=n=0(n+1)!1(θa)nI+2!1θa+3!1θ2(a)2+4!1θ3(a)3+5!1θ4(a)4+I+θ1(2!1θ2a+3!1θ3(a)2+4!1θ4(a)3+5!1θ5(a)4+)I+θ1(2!1θ2a+3!1θ3(a)24!1θ4a5!1θ5(a)2+)I+θ1(2!1θ24!1θ4+)a+θ1(3!1θ35!1θ5+)(a)2I+θ1(1cosθ)a+θ1(θsinθ)(a)2I+θ1(1cosθ)a+θ1(θsinθ)(aaTI)θsinθI+(1θsinθ)aaT+θ1cosθa
上述计算过程的处理思路如下:

  • 第一步:泰勒展开

  • 第二步:除单位阵III外其余项提出一个因子1θ\frac{1}{\theta}θ1

  • 第三步:将式2代入代替(a∧)3(a^\land)^3(a)3

  • 第四步:对第三步进行整理,将有共同项的写在一起

  • 第五步:将三角函数的泰勒展开进行整理后代入上式:
    cos⁡θ=1−12!θ2+14!θ4−⋯1−cos⁡θ=12!θ2−14!θ4+⋯sin⁡θ=θ−13!θ3+15!θ5−⋯θ−sin⁡θ=13!θ3−15!θ5+⋯ \begin{aligned} \cos\theta &=1-\frac{1}{2!}\theta^2+\frac{1}{4!}\theta^4-\cdots\\ 1-\cos\theta&=\frac{1}{2!}\theta^2-\frac{1}{4!}\theta^4+\cdots\\ \\ \sin\theta &=\theta-\frac{1}{3!}\theta^3+\frac{1}{5!}\theta^5-\cdots\\ \theta-\sin\theta&=\frac{1}{3!}\theta^3-\frac{1}{5!}\theta^5+\cdots \end{aligned} cosθ1cosθsinθθsinθ=12!1θ2+4!1θ4=2!1θ24!1θ4+=θ3!1θ3+5!1θ5=3!1θ35!1θ5+

  • 第六步:将式1代入代替(a∧)2(a^\land)^2(a)2

  • 第七步:对第六步进行整理

由此得到雅可比矩阵的表达式:
J=sin⁡θθI+(1−sin⁡θθ)aaT+1−cos⁡θθa∧ J=\frac{\sin\theta}{\theta}I+\Bigl(1-\frac{\sin\theta}{\theta}\Bigr)aa^T+\frac{1-\cos\theta}{\theta}a^\land J=θsinθI+(1θsinθ)aaT+θ1cosθa

对数映射

SE(3)SE(3)SE(3)se(3)se(3)se(3)的转换,如下:
ξ=ln⁡(T)∨ \xi=\ln(T)^\lor ξ=ln(T)
在进行实际转换时,使用对数映射较为复杂。一般用TTT左上角旋转矩阵RRR求解旋转向量;再由右侧平移向量计算平移部分:
t=Jρ t=J\rho t=Jρ

总结

在这里插入图片描述

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐