我目前的研究领域转到了立体匹配方向。但是基础很薄弱,很多理论知识都需要补充。希望自己能够满满的累积起足够的基础知识。这篇博客主要是记录自己对李群、李代数的初步理解,还请大家一些讨论进步。
一个反对称矩阵 u ^ ∈ R 3 ∗ 3 \hat u \in R^{3*3} u^∈R3∗3 我们可以找到一个向量 u ∈ R 3 u \in R^3 u∈R3 与其对应,其构成如下:
寻找矩阵的性质之一为 R ( t ) R T ( t ) = I R(t)R^T(t) = I R(t)RT(t)=I。
由 1 和 2 我们可以得到,对于任意一个旋转矩阵R(t),有: 其中 w ^ ( t ) \hat w(t) w^(t) 是向量 w w w 对应的反对称矩阵。而导数等与本身不就是指数函数吗?
李代数就是反对称矩阵的集合,当R为单位矩阵时R的导数的集合。 李群就是所有旋转矩阵的集合,也就是R的集合。 上式中的约束表示R是旋转矩阵。由前面的推导公式三知道如果R是单位矩阵,那它的导数就是一个反对称矩阵,所以只有反对称矩阵组成的空间,即 so(3),我们称之为在在单位矩阵处的正切空间tangent space.为什么称为正切呢?回忆二维曲线在某处的导数是一条切线。对于这个三维球面,那么它的导数应该是个切面。
之后我们可以推导出如下公式: 该公式将切平面上的一点可以映射到球面体上去,这就是指数映射。
前面还只说了旋转,实际上刚体变换还有平移。所以,和只有旋转矩阵构成的李群SO(3) 一样,我们也可以有由刚体变换得到的李群SE(3) : 和之前的推导一样,我们可以对如下的刚体变换矩阵求导: 存在 w ^ ( t ) ∈ s o ( 3 ) , v ( t ) ∈ R 3 \hat w(t) \in so(3), v(t) \in R^3 w^(t)∈so(3),v(t)∈R3 使得如下两式成立:
也就是: 定义 ξ ^ ∈ R 4 \hat \xi \in R^4 ξ^∈R4: 有: ξ ^ ∈ R 4 × 4 \hat\xi \in R^{4×4} ξ^∈R4×4可以称之为在曲线g(t)处的”正切向量”,而在机器人领域,我们称它为twist。这个twist呢,就像我们开葡萄酒塞时螺旋的角速度和前进的线速度。于是把这些twist集合起来就有了刚体变换的李代数se(3): 也可以表示为六维向量: 最后也有指数映射: