《视觉SLAM十四讲》第二版第四讲习题_超详细推导

前言

书中这部分讲的太快,并且未能和已有知识做足够的联系,乍看起来还是有点不好理解的。
但如果联系了实际的物理意义以及向量叉乘等已有知识后,就变得好理解了。
另外,推导公式的确有利于理解,作者或许也是为此才出的这些习题吧。
推导过程中用到的知识:
1、分块矩阵运算。
2、向量叉积性质,二重叉积、反交换律等。
文中推导,均是笔者手推,水平有限,如有纰漏,还望不吝赐教。

1、验证SO(3)、SE(3)和Sim(3)关于乘法成群。

(1)SO(3)为三纬旋转矩阵构成的特殊正交群。
根据群的定义(一种结合加一种运算),书中定义式式4.1可以表示集合,运算选择乘法;
将以上依次代入性质群性质1-4,性质12显然满足;选幺元为33单位阵 I 3 × 3 I_{3\times3} ,性质34显然也满足;
(2)SE(3)为变换矩阵构成的特殊欧氏群。
根据群的定义,书中定义式式4.2表示群的集合,运算选择乘法;
性质1 显然。
性质2 矩阵的结合律也容易得到(可以展开看看,一目了然)。
性质3 选幺元为4
4单位阵 I 4 × 4 I_{4\times4} ,显然满足。
性质4 根据分块矩阵求逆公式 [ A C 0 B ] 1 = [ A 1 A 1 C B 1 0 B 1 ] \begin{bmatrix} A & C \\ 0 & B \end{bmatrix}^{-1}=\begin{bmatrix} A^{-1} & -A^{-1}CB^{-1} \\ 0 & B^{-1} \end{bmatrix}
T 1 = [ R 1 R 1 t 0 T 1 ] T^{-1}=\begin{bmatrix} R^{-1} & -R^{-1}t \\ 0^T & 1 \end{bmatrix}
显然 T 1 T^{-1} 也属于SE(3),并且 T T 1 = I 4 × 4 TT^{-1}=I_{4\times4} ,于是性质4满足;
(3)仿照(2)很容易可以验证。

2、验证 ( R 3 , R , × ) (\mathbb{R}^3, \mathbb{R}, \times) 构成李代数。

将此李代数视为3维向量,利用向量相关性质,性质1-3均容易得到。
对于性质4,利用向量二重叉积公式,将下面三式相加,立得。
在这里插入图片描述
值得一提的是,向量点积结果为标量,满足交换律。

3、验证 s o ( 3 ) \mathfrak{so}(3) s e ( 3 ) \mathfrak{se}(3) 满足李代数要求的性质。

(1) s o ( 3 ) \mathfrak{so}(3)
先来看看其李括号是啥意思
在这里插入图片描述
根据上面的推导,结合问题2,性质1-4容易得到。
(2) s e ( 3 ) \mathfrak{se}(3)
性质1-3容易得到,讨论性质4。
其中利用了(1)中所推导的李代数 s o ( 3 ) \mathfrak{so}(3) 的李括号为矢量叉积。
在这里插入图片描述

4、验证性质(4.20)和(4.21)

(1)性质(4.20)直接展开即可得到。
(2)性质(4.21)也很明显,书中写的比较清楚了,
记得用 a T a = 0 3 × 1 a^Ta^\wedge=0_{3\times1} 就行了,直接展开立即得到。

5、证明 R p R T = ( R p ) Rp^\wedge R^T=(Rp)^\wedge

这实际属于向量的相似变换,
可以参考我讲角速度相似变换定理的博文: 角速度的相似变换定理的证明.

6、xx

(1)对于SO(3)的伴随性质
根据P79的(4.22),
在这里插入图片描述
(2)对于SE(3)的伴随性质
Step1 由定义,可得
在这里插入图片描述
Step2 等式左边
在这里插入图片描述
Step3 等式右边
在这里插入图片描述
其中,
在这里插入图片描述
于是等式右边化简为,
在这里插入图片描述

Step4 比较等式左右两边
在这里插入图片描述

7、在这里插入图片描述

(1)SO(3)
在这里插入图片描述
其中隐含了扰动是小量,在进行指数映射忽略了二阶小量,可以回到定义式,一目了然。
(2)SE(3)
在这里插入图片描述

8、cmake的find_package()指令

可参考博文:: Cmake语句find_package()函数.

原创文章 14 获赞 2 访问量 2955

猜你喜欢

转载自blog.csdn.net/m0_38095099/article/details/105447379