罗德里格斯公式 理解、推导
2017-12-29 16:55
260 查看
罗德里格斯公式(Rodriguez formula)是计算机视觉中的一大经典公式,在描述相机位姿的过程中很常用。公式:
R=I+sin(θ)K+(1−cos(θ))K2
从旋转矩阵R讲起,在三维空间中,旋转矩阵R可以对坐标系(基向量组)进行刚性的旋转变换。
R=⎡⎣⎢rxxryxrzxrxyryyrzyrxzryzrzz⎤⎦⎥
通常为了方便计算,基向量组中的向量是相互正交的且都为单位向量,那么R就是一个标准正交矩阵。两个重要性质:
RTR=R−1R=E
|R|=1
假设原坐标系基向量矩阵为B,旋转后的坐标系基向量矩阵为C。
B=[bxbybz]=⎡⎣⎢100010001⎤⎦⎥
C=RB
其变换过程如图所示:
C=⎡⎣⎢rxxryxrzxrxyryyrzyrxzryzrzz⎤⎦⎥[bxbybz]
根据线性代数的定义,旋转矩阵R就是从基向量矩阵B到基向量矩阵C的过渡矩阵。由于旋转矩阵R是标准3阶正交矩阵,故旋转矩阵R的自由度为3,这说明最少可以用三个变量来表示旋转矩阵R,这就是罗德里格斯公式(Rodriguez formula)存在的基础。
罗德里格斯公式(Rodriguez formula)首先要确定一个三维的单位向量k=[kxkykz]T(两个自由度)和一个标量 θ (一个自由度)。
证明方法一:
(图片摘自Wiki)
先考虑对一个向量作旋转,其中 v 是原向量,三维的单位向量 k=[kxkykz]T是旋转轴, θ 是旋转角度,vrot是旋转后的向量。
先通过点积得到 v 在 k 方向的平行分量 v∥。
v∥=(v⋅k)k
再通过叉乘得到与 k 正交的两个向量 v⊥ 和 w 。
v⊥=v−v∥=v−(v⋅k)k=−k×(k×v)⋅⋅⋅⋅⋅⋅(1) w=k×v
这样,我们就得到了3个相互正交的向量。不难得出:
vrot=v∥+cos(θ)v⊥+sin(θ)w
再引入叉积矩阵的概念:记 K 为 k=[kxkykz]T 的叉积矩阵。显然 K 是一个反对称矩阵。
K=⎡⎣⎢0kz−ky−kz0kxky−kx0⎤⎦⎥
他有如下性质:
k×v=Kv
为了利用该性质,需要将 vrot 代换为 v 与 k 的叉积关系,先根据(1)式做代换:
v∥=v+k×(k×v)
然后得到:
vrot=v+k×(k×v)−cos(θ)k×(k×v)+sin(θ)k×v
根据叉积矩阵性质:
vrot=v+(1−cos(θ))K2v+sin(θ)Kv vrot=(I+(1−cos(θ))K2+sin(θ)K)v
最后将 v、vrot 换为 B、C,就是罗德里格斯公式的标准形式。
B=(I+(1−cos(θ))K2+sin(θ)K)C⇔R=I+(1−cos(θ))K2+sin(θ)K
方法一证毕。
证明方法二:(以后再写)
这里我取 k=[3−0.53−0.53−0.5]T ,可以看到通过罗德里格斯公式作基变换C=RB的过程。
绘图用的Matlab代码:
颜色表“linspecer.m”文件(推荐使用)
参考:
1.Rodrigues’ rotation formula - Wiki
2.《视觉SLAM十四讲》P49
3.关于罗德里格斯公式的简单推导 新浪博客
4.DERIVATION OF THE EULER–RODRIGUES FORMULA FOR THREE-DIMENSIONAL ROTATIONS…
R=I+sin(θ)K+(1−cos(θ))K2
从旋转矩阵R讲起,在三维空间中,旋转矩阵R可以对坐标系(基向量组)进行刚性的旋转变换。
R=⎡⎣⎢rxxryxrzxrxyryyrzyrxzryzrzz⎤⎦⎥
通常为了方便计算,基向量组中的向量是相互正交的且都为单位向量,那么R就是一个标准正交矩阵。两个重要性质:
RTR=R−1R=E
|R|=1
假设原坐标系基向量矩阵为B,旋转后的坐标系基向量矩阵为C。
B=[bxbybz]=⎡⎣⎢100010001⎤⎦⎥
C=RB
其变换过程如图所示:
C=⎡⎣⎢rxxryxrzxrxyryyrzyrxzryzrzz⎤⎦⎥[bxbybz]
根据线性代数的定义,旋转矩阵R就是从基向量矩阵B到基向量矩阵C的过渡矩阵。由于旋转矩阵R是标准3阶正交矩阵,故旋转矩阵R的自由度为3,这说明最少可以用三个变量来表示旋转矩阵R,这就是罗德里格斯公式(Rodriguez formula)存在的基础。
罗德里格斯公式(Rodriguez formula)首先要确定一个三维的单位向量k=[kxkykz]T(两个自由度)和一个标量 θ (一个自由度)。
证明方法一:
(图片摘自Wiki)
先考虑对一个向量作旋转,其中 v 是原向量,三维的单位向量 k=[kxkykz]T是旋转轴, θ 是旋转角度,vrot是旋转后的向量。
先通过点积得到 v 在 k 方向的平行分量 v∥。
v∥=(v⋅k)k
再通过叉乘得到与 k 正交的两个向量 v⊥ 和 w 。
v⊥=v−v∥=v−(v⋅k)k=−k×(k×v)⋅⋅⋅⋅⋅⋅(1) w=k×v
这样,我们就得到了3个相互正交的向量。不难得出:
vrot=v∥+cos(θ)v⊥+sin(θ)w
再引入叉积矩阵的概念:记 K 为 k=[kxkykz]T 的叉积矩阵。显然 K 是一个反对称矩阵。
K=⎡⎣⎢0kz−ky−kz0kxky−kx0⎤⎦⎥
他有如下性质:
k×v=Kv
为了利用该性质,需要将 vrot 代换为 v 与 k 的叉积关系,先根据(1)式做代换:
v∥=v+k×(k×v)
然后得到:
vrot=v+k×(k×v)−cos(θ)k×(k×v)+sin(θ)k×v
根据叉积矩阵性质:
vrot=v+(1−cos(θ))K2v+sin(θ)Kv vrot=(I+(1−cos(θ))K2+sin(θ)K)v
最后将 v、vrot 换为 B、C,就是罗德里格斯公式的标准形式。
B=(I+(1−cos(θ))K2+sin(θ)K)C⇔R=I+(1−cos(θ))K2+sin(θ)K
方法一证毕。
证明方法二:(以后再写)
这里我取 k=[3−0.53−0.53−0.5]T ,可以看到通过罗德里格斯公式作基变换C=RB的过程。
绘图用的Matlab代码:
% Rodriguez formula % 作者:龚冰剑 % 时间:2017年12月29日 16:39:14 clc clear all close all % W_vec = [3^(-0.5) 3^(-0.5) 3^(-0.5)]; W_mat = [0 -W_vec(3) W_vec(2); W_vec(3) 0 -W_vec(1); -W_vec(2) W_vec(1) 0 ]; % zeta = 0 : pi / 180 : pi / 3; % origin_point = [0 0 0]; vector_x = [1 0 0]; vector_y = [0 1 0]; vector_z = [0 0 1]; % color color_table = linspecer(length(zeta)); for i = 1 : length(zeta) %hold off plot3([origin_point(1) W_vec(1)],[origin_point(2) W_vec(2)],[origin_point(3) W_vec(3)], 'r--o', 'linewidth',2) hold on % 绘制原基向量 plot3([origin_point(1) vector_x(1)],[origin_point(2) vector_x(2)],[origin_point(3) vector_x(3)], 'r') plot3([origin_point(1) vector_y(1)],[origin_point(2) vector_y(2)],[origin_point(3) vector_y(3)], 'r') plot3([origin_point(1) vector_z(1)],[origin_point(2) vector_z(2)],[origin_point(3) vector_z(3)], 'r') % Rot_mat = diag([1 1 1]) + sin(zeta(i)) * W_mat + (1 - cos(zeta(i))) * W_mat * W_mat; vector_x_Rot = vector_x * Rot_mat; vector_y_Rot = vector_y * Rot_mat; vector_z_Rot = vector_z * Rot_mat; % 绘制变换后的基向量 plot3([origin_point(1) vector_x_Rot(1)],[origin_point(2) vector_x_Rot(2)],[origin_point(3) vector_x_Rot(3)], '-*','color', color_table(i, :)) plot3([origin_point(1) vector_y_Rot(1)],[origin_point(2) vector_y_Rot(2)],[origin_point(3) vector_y_Rot(3)], '-*','color', color_table(i, :)) plot3([origin_point(1) vector_z_Rot(1)],[origin_point(2) vector_z_Rot(2)],[origin_point(3) vector_z_Rot(3)], '-*','color', color_table(i, :)) axis([-0.5 1 -0.5 1 -0.5 1]) view(100, 30); drawnow() title(sprintf('θ = %.3f 度', zeta(i) * 180 / pi)) grid on pause(0.05) end
颜色表“linspecer.m”文件(推荐使用)
% function lineStyles = linspecer(N) % This function creates an Nx3 array of N [R B G] colors % These can be used to plot lots of lines with distinguishable and nice % looking colors. % % lineStyles = linspecer(N); makes N colors for you to use: lineStyles(ii,:) % % colormap(linspecer); set your colormap to have easily distinguishable % colors and a pleasing aesthetic % % lineStyles = linspecer(N,'qualitative'); forces the colors to all be distinguishable (up to 12) % lineStyles = linspecer(N,'sequential'); forces the colors to vary along a spectrum % % % Examples demonstrating the colors. % % LINE COLORS % N=6; % X = linspace(0,pi*3,1000); % Y = bsxfun(@(x,n)sin(x+2*n*pi/N), X.', 1:N); % C = linspecer(N); % axes('NextPlot','replacechildren', 'ColorOrder',C); % plot(X,Y,'linewidth',5) % ylim([-1.1 1.1]); % % SIMPLER LINE COLOR EXAMPLE % N = 6; X = linspace(0,pi*3,1000); % C = linspecer(N) % hold off; % for ii=1:N % Y = sin(X+2*ii*pi/N); % plot(X,Y,'color',C(ii,:),'linewidth',3); % hold on; % end % % COLORMAP EXAMPLE % A = rand(15); % figure; imagesc(A); % default colormap % figure; imagesc(A); colormap(linspecer); % linspecer colormap % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % by Jonathan Lansey, March 2009-2013 �Lansey at gmail.com % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % %% credits and where the function came from % The colors are largely taken from: % http://colorbrewer2.org and Cynthia Brewer, Mark Harrower and The Pennsylvania State University % % % She studied this from a phsychometric perspective and crafted the colors % beautifully. % % I made choices from the many there to decide the nicest once for plotting % lines in Matlab. I also made a small change to one of the colors I % thought was a bit too bright. In addition some interpolation is going on % for the sequential line styles. % % %% function lineStyles=linspecer(N,varargin) if nargin==0 % return a colormap lineStyles = linspecer(64); % temp = [temp{:}]; % lineStyles = reshape(temp,3,255)'; return; end if N<=0 % its empty, nothing else to do here lineStyles=[]; return; end % interperet varagin qualFlag = 0; if ~isempty(varargin)>0 % you set a parameter? switch lower(varargin{1}) case {'qualitative','qua'} if N>12 % go home, you just can't get this. warning('qualitiative is not possible for greater than 12 items, please reconsider'); else if N>9 warning(['Default may be nicer for ' num2str(N) ' for clearer colors use: whitebg(''black''); ']); end end qualFlag = 1; case {'sequential','seq'} lineStyles = colorm(N); return; otherwise warning(['parameter ''' varargin{1} ''' not recognized']); end end % predefine some colormaps set3 = colorBrew2mat({[141, 211, 199];[ 255, 237, 111];[ 190, 186, 218];[ 251, 128, 114];[ 128, 177, 211];[ 253, 180, 98];[ 179, 222, 105];[ 188, 128, 189];[ 217, 217, 217];[ 204, 235, 197];[ 252, 205, 229];[ 255, 255, 179]}'); set1JL = brighten(colorBrew2mat({[228, 26, 28];[ 55, 126, 184];[ 77, 175, 74];[ 255, 127, 0];[ 255, 237, 111]*.95;[ 166, 86, 40];[ 247, 129, 191];[ 153, 153, 153];[ 152, 78, 163]}')); set1 = brighten(colorBrew2mat({[ 55, 126, 184]*.95;[228, 26, 28];[ 77, 175, 74];[ 255, 127, 0];[ 152, 78, 163]}),.8); set3 = dim(set3,.93); switch N case 1 lineStyles = { [ 55, 126, 184]/255}; case {2, 3, 4, 5 } lineStyles = set1(1:N); case {6 , 7, 8, 9} lineStyles = set1JL(1:N)'; case {10, 11, 12} if qualFlag % force qualitative graphs lineStyles = set3(1:N)'; else % 10 is a good number to start with the sequential ones. lineStyles = cmap2linspecer(colorm(N)); end otherwise % any old case where I need a quick job done. lineStyles = cmap2linspecer(colorm(N)); end lineStyles = cell2mat(lineStyles); end % extra functions function varIn = colorBrew2mat(varIn) for ii=1:length(varIn) % just divide by 255 varIn{ii}=varIn{ii}/255; end end function varIn = brighten(varIn,varargin) % increase the brightness if isempty(varargin), frac = .9; else frac = varargin{1}; end for ii=1:length(varIn) varIn{ii}=varIn{ii}*frac+(1-frac); end end function varIn = dim(varIn,f) for ii=1:length(varIn) varIn{ii} = f*varIn{ii}; end end function vOut = cmap2linspecer(vIn) % changes the format from a double array to a cell array with the right format vOut = cell(size(vIn,1),1); for ii=1:size(vIn,1) vOut{ii} = vIn(ii,:); end end %% % colorm returns a colormap which is really good for creating informative % heatmap style figures. % No particular color stands out and it doesn't do too badly for colorblind people either. % It works by interpolating the data from the % 'spectral' setting on http://colorbrewer2.org/ set to 11 colors % It is modified a little to make the brightest yellow a little less bright. function cmap = colorm(varargin) n = 100; if ~isempty(varargin) n = varargin{1}; end if n==1 cmap = [0.2005 0.5593 0.7380]; return; end if n==2 cmap = [0.2005 0.5593 0.7380; 0.9684 0.4799 0.2723]; return; end frac=.95; % Slight modification from colorbrewer here to make the yellows in the center just a bit darker cmapp = [158, 1, 66; 213, 62, 79; 244, 109, 67; 253, 174, 97; 254, 224, 139; 255*frac, 255*frac, 191*frac; 230, 245, 152; 171, 221, 164; 102, 194, 165; 50, 136, 189; 94, 79, 162]; x = linspace(1,n,size(cmapp,1)); xi = 1:n; cmap = zeros(n,3); for ii=1:3 cmap(:,ii) = pchip(x,cmapp(:,ii),xi); end cmap = flipud(cmap/255); end
参考:
1.Rodrigues’ rotation formula - Wiki
2.《视觉SLAM十四讲》P49
3.关于罗德里格斯公式的简单推导 新浪博客
4.DERIVATION OF THE EULER–RODRIGUES FORMULA FOR THREE-DIMENSIONAL ROTATIONS…
相关文章推荐
- DPMM的理解、公式推导及抽样
- 关于最大似然估计和最小二乘法的理解和公式推导
- [置顶] Author Topic Model[ATM理解及公式推导]
- 理解BP算法-(公式受虐狂,请近,不过这个推导有些错误,有空,我再改过来)
- BP网络公式推导及理解——qjzcy的博客
- 罗德里格斯转换公式推导
- 关于罗德里格斯公式的简单推导
- 罗德里格斯公式的推导过程
- 2015多校第8场 HDU 5382 GCD?LCM! 数论公式推导
- n阶乘后面0的个数+组合数学结果0的个数举例+公式推导
- Young氏双缝干涉实验近似公式推导的传统谬误
- BP算法与公式推导
- 《Effective Modern C++》翻译--条款1: 理解模板类型推导
- 公式推导
- 逻辑回归梯度下降公式详细推导
- 旋转矩阵公式推导
- 理解stm32&nbsp;bit-band映射公式【转】
- 莫比乌兹反演, 欧拉函数等乱七八糟的数论公式推导题
- 在不看任何数学公式的情况下理解傅里叶分析
- 交叉熵代价函数(作用及公式推导