旋转矩阵李代数的推导

1.推出反对称矩阵

有 旋转矩阵 R

\begin{align*} 旋转矩阵为正交矩阵→\ & RR^T=I\\ 随时间t变化,此式不变→\ & R(t)R(t)^T=I\\ 左右对时间t求导→\ & \dot{R(t)}R(t)^T+R(t)\dot{R(t)^T}=0 \\ →\ & \dot{R(t)}R(t)^T = - (\dot{R(t)}R(t)^T)^T \\ →\ & \dot{R(t)}R(t)^T \ 为一个反对称矩阵 \end{align*}

这一步的结论就是:\dot{R(t)}R(t)^T 为一个反对称矩阵。

2.推出微分方程

反对称矩阵 与 一个 三维向量 有一一对应的关系:
\vec{a} = \begin{bmatrix} a_1\\ a_2\\ a_3\\ \end{bmatrix}, A= \begin{bmatrix} 0 & -a_3 & a_2\\ a_3 & 0 & -a_1\\ -a_2 & a_1 & 0\\ \end{bmatrix}
将其关系表示为:
\vec{a}^\land=A , A^\lor = \vec{a}

反对称矩阵 \dot{R(t)}R(t)^T 可表示为:Φ(t)^\landΦ(t) 是一个三维向量。
\begin{align*} &\dot{R(t)}R(t)^T=Φ(t)^\land \\ 变形→\ &\dot{R(t)}=Φ(t)^\land R(t) \end{align*}
得到一个微分方程 \dot{R(t)}=Φ(t)^\land R(t)

3.解微分方程

解此微分方程前需做如下假设:

  • t=0 时刻,R(0)=I
  • t=0 时刻附近,Φ(t) 为常数 Φ_0

则在 t=0 时刻附近,上式变为:
\dot{R(t)}=Φ_0^\land R(t)

微分方程知识:
\begin{align*} 当微分方程为: \ & \frac{dy}{dx} + Ay = 0 \\ 解为: \ &y=Ce^{-Ax} \end{align*}

上式微分方程结果:
\begin{align*} & R(t)=R(0)\exp{(Φ_0^\land t)} \\ 假设 R(0)=I → \ & R(t)=\exp{(Φ_0^\land t)} \end{align*}
这一步的结果是得到这样一个表达式:R(t)=\exp{(Φ_0^\land t)}

4.完成推导

现在将 t 视作一个常量:

  • R(t) 总是一个旋转矩阵,直接写作 R
  • Φ_0^\land t 依然是一个反对称矩阵,写作Φ^\land

则有最终的形态:
R=\exp{(Φ^\land)}

其中:

  • 矩阵 R 是 特殊正交群 SO(3) 中的元素;
  • 向量 Φ 是其对应的 李代数 so(3) 中的元素;
  • RΦ 通过上述公式产生了一一对应的联系;

5. 如何由 Φ 计算 R

R=\exp{(Φ^\land)} 展开计算,可得:
\begin{align*} R&=\exp(Φ^\land) \\ &=\exp(θ n^\land) \\ &= ... 计算过程略 \\ &=\cosθI+(1-\cosθ)nn^T+\sinθn^\land \\ \end{align*}

最后的结果又叫:罗德里格斯公式 (Rodrigues’s Formula)

其中:

  • 向量 nΦ 的单位方向向量;
  • 标量 θΦ 的模长。

6. 如何由 R 计算 Φ

推导略,给结果,将 Φ 的计算分解为 θ,n 的计算:
\begin{align*} θ &= \arccos(\frac{tr(R)-1}{2}) \\ n &= R\ 的特征值为\ 1 对应的特征向量 \end{align*}

7. Φ与旋转向量

旋转矩阵 R 的李代数向量 Φ 实际上就是 R 对应的 旋转向量

  • 旋转轴为 n
  • 旋转角度为 θ
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容