视觉SLAM十四讲学习笔记(四)李群和李代数

一、李群

李群,即具有连续光滑性质的群。

前面提到过,旋转矩阵R和变换矩阵T分别定义于特殊正交群SO(3)和特殊欧式群SE(3)

视觉SLAM十四讲学习笔记(四)李群和李代数

SO(3)和SE(3)对矩阵乘法构成群,但对加法不构成群,所以很难对其进行取极限,求导等操作。于是引出了与李群对应的李代数。

二、李代数

李代数是与李群对应的一种结构,位于向量空间。SO(3)和SE(3)对应的李代数分别表示为so(3)和se(3)。

从SO(3)和SE(3)到so(3)和se(3)的推导可见书本,比较易懂,下面直接给出so(3)和se(3)的表示方式以及李群与李代数之间的转换关系。

视觉SLAM十四讲学习笔记(四)李群和李代数

需要注意的是:此处se(3)表示中,前三维为平移,其含义与变换矩阵T中的平移不同,需要经过一个J的转换。在表示的时候,有时平移在前,旋转在后,有时旋转在前,平移在后,在用的时候,一定要仔细。

三、李代数求导与扰动模型

前面提到过,李群没有加法,导数就无从定义。解决的方法

  1. 利用李代数上加法定义李群元素的导数
  2. 利用指数映射和对数映射完成变换关系

但对于矩阵来说,以下两个公式并不成立

视觉SLAM十四讲学习笔记(四)李群和李代数           视觉SLAM十四讲学习笔记(四)李群和李代数

其完整的形式由BCH公式给出,如果只保留BCH公式前几项,则可表示为

视觉SLAM十四讲学习笔记(四)李群和李代数

其中

视觉SLAM十四讲学习笔记(四)李群和李代数

视觉SLAM十四讲学习笔记(四)李群和李代数

视觉SLAM十四讲学习笔记(四)李群和李代数

于是,对于某个旋转R,其对应的李代数为视觉SLAM十四讲学习笔记(四)李群和李代数。我们给它左乘一个微小的旋转视觉SLAM十四讲学习笔记(四)李群和李代数,对应的李代数为视觉SLAM十四讲学习笔记(四)李群和李代数。则在李群上的结果就是视觉SLAM十四讲学习笔记(四)李群和李代数,而在李代数上,根据BCH公式,为视觉SLAM十四讲学习笔记(四)李群和李代数。也就是

视觉SLAM十四讲学习笔记(四)李群和李代数

反之,在李代数上进行加法,让视觉SLAM十四讲学习笔记(四)李群和李代数加上一个视觉SLAM十四讲学习笔记(四)李群和李代数,那么可近似李群上带左右雅可比的乘法

视觉SLAM十四讲学习笔记(四)李群和李代数

同样,对于SE(3),其BCH近似公式为:

视觉SLAM十四讲学习笔记(四)李群和李代数

此处J为一个6*6的雅可比。

对于SO(3)上的求导

(1)李代数求导

视觉SLAM十四讲学习笔记(四)李群和李代数

(2)扰动模型

视觉SLAM十四讲学习笔记(四)李群和李代数

对于SE(3)上的求导,直接使用扰动模型

视觉SLAM十四讲学习笔记(四)李群和李代数

四、实践

Sophus实践,语法和Eigne相似,可见课本,比较简单。关于Sophus库,可详细阅读其头文件库。

课后作业是关于李群和李代数性质的证明和推导,可见答案。

课后关于评估轨迹误差的例子,需要仔细看看。