李群与李代数2：李代数求导和李群扰动模型

已于 2024-11-08 20:32:37 修改
阅读量1.3k 收藏 9
点赞数 5
CC 4.0 BY-SA版权
分类专栏： SLAM数学基础 自动驾驶 高等数学 文章标签： 李群李代数 BCH公式 微分模型 扰动模型 相似变换群
于 2021-07-08 12:59:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shao918516/article/details/118432988

李群与李代数2：李代数求导和李群扰动模型


前言：本篇系列文章参照高翔老师《视觉SLAM十四讲从理论到实践》的第四讲，讲解李群与李代数。写此篇的目的是为了补足《十四讲》中的数学类基础知识，原书内容有点像直译文献，因此笔者根据自己理解，对整体内容重新划分，更改了目录章节，改写部分公式，同时扩展了部分内容，有书的同学可以参照阅读，达到事半功倍的效果。

1. 整体误差最小化引出求导问题

使用李代数的一大动机是进行优化，而在优化过程中导数是非常必要的信息。下面来讨论一个带有李代数的函数，以及关于该李代数求导的问题，该问题有很强的实际应用背景。在SLAM中，我们使用 S O ( 3 ) SO(3) SO(3)上的旋转矩阵或 S E

了解本专栏 订阅专栏 解锁全文 超级会员免费看
李群与李代数基础：第2节 李群的李代数与不变微分算子
AI天才研究院
09-15 997
李群与李代数基础：第2节 李群的李代数与不变微分算子 1. 背景介绍 1.1 问题的由来 李群理论起源于19世纪末，由法国数学家索菲斯·李（Sophus Lie）提出，旨在研究连续变换群的概念。李群在数学物理、几何学以及现代
李群与李代数基础：第3节 模
AI天才研究院
07-15 595
李群与李代数基础：第3节 模 关键词： 李群 李代数 模理论 连通性 结构定理 1. 背景介绍 1.1
李群和李代数（三）——李代数求导和扰动模型
qq_46067306的博客
08-05 663
由于他的存在，z往往不可能精确地满足z=Tp的关系。在SLAM中，我们要估计一个相机的位置和姿态，该位姿是由SO(3)上的旋转矩阵或者SE(3)上的变换矩阵描述。设置某时刻相机的位姿为T，他观察到了一个世界坐标位于p的点，产生了一个观测数据。这里的重点是，我们会经常构建与位姿有关的函数，然后讨论该函数关于位姿的导数，以调整当前的估计值。2.对李群左乘或者右乘微小扰动，然后对该扰动求导，称为左扰动和右扰动模型，这是扰动模型。1.使用李代数表示姿态，然后根据李代数加法对李代数求导，这是李代数的求导模型。
SLAM--李群李代数左扰动模型
老邹的博客
05-18 1792
一、数学基础 对于两个非零向量： a=(x1,y1,z1)T,b=(x2,y2,z2)T a = ({x_1},{y_1},{z_1})^\mathsf{T},b = ({x_2},{y_2},{z_2})^\mathsf{T}\\ a=(x1​,y1​,z1​)T,b=(x2​,y2​,z2​)T 则向量的内积： ⟨b,a⟩=aTb=x1x2+y1y2+z1z2 \left\langle {b,a} \right\rangle = a^\mathsf{T} b = {x_1}{x_2} + {y_1}{
视觉SLAM中的数学基础 第四篇 李群与李代数（2）
hjwang1的专栏
01-09 7608
转自：http://www.cnblogs.com/gaoxiang12/p/5577912.html 致敬原作者，请移步原作者博文详细浏览 前言 　　理解李群与李代数，是理解许多SLAM中关键问题的基础。本讲我们继续介绍李群李代数的相关知识，重点放在李群李代数的微积分上，这对解决姿态估计问题具有重要意义。  回顾 　　为了描述三维空间里的运动，我们使
李群李代数关注核心
lovely_yoshino的博客
12-13 7907
0. 简介 李群李代数作为SLAM当中非常重要的一部分，作者最近才对该部分有了清晰地认知，感觉有必要放出来说一说。因为李群本身存在加法不闭合性，所以李群与李代数之间的转换需要每一个slamer人有着充分清晰地认识。 1. 李群扰动 Baker-Campbell-Hausdorff公式，这个公式作为李群相乘转到李代数的式子，我们可以看到李群的相乘会带来李代数产生高次项输出。 近似为 在SO(3)上，我们可以求它关于某一个变量的一阶近似： 对我们用处最大的就是这个近似式。在 ϕ1ϕ_1ϕ1​ 较小时，使用第
半闲居士视觉SLAM十四讲笔记（4）李群与李代数 - part 2 指数与对数映射、李代数求导与扰动模型
youngpan1101的博客
05-02 8296
指数与对数映射、李代数求导与扰动模型
SLAM学习——李群与李代数
热门推荐
Hansry的博客
07-09 1万+
1.李群与李代数基础三维旋转矩阵构成特殊正交群SO（3），而变换矩阵构成了特殊欧氏群SE（3）：其中特殊正交群SO(3)和特殊欧氏群SE(3),对加法不封闭，而对乘法封闭。则有：群，是一种集合加上一种运算的代数结构，主要满足有：封闭性、结合律、幺元、逆等性质。而李群，则是指具有连续光滑性质的群。对于李代数，考虑任意旋转矩阵 R,会随着时间变化而变化，即为时间的函数：R(t)。 则有：通过对其时间的
李群与李代数基础：第6节 纤维丛
最新发布
AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。
07-24 174
李群与李代数基础：第6节 纤维丛 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍 1.1 问题的由来 纤维丛理论是现代数学中一个重要的分支，起源于微
李群与李代数基础：第VI章 李群
AI天才研究院
06-18 1038
李群与李代数基础：第VI章 李群 1.背景介绍 李群(Lie Group)是一种重要的数学概念,它与李代数(Lie Algebra)密切相关,在许多数学和物理领域扮演着关键角色。李群的理论源于19世纪挪威数学家索菲娅·李(Sophus Lie)的工作,他研究了连续对称变换群及其无穷小生成元之
李代数求导与扰动模型
sky的博客
07-20 8754
我们经常构建与位姿有关的函数，然后讨论该函数关于位姿的导数，以调整当前的估计值。表示姿态的李群与表示位姿的李群上并没有定义加法，而求导数是需要加法的。因此此时如何求导就成了一个需要解决的问题，它们的李代数由向量组成，具有良好的加法运算，因此我们可以利用李代数来解决对位姿的求导问题。 上面看到了，因为上没有定义加法，所以我们不能求R的导数。但是我们上一节中可以用通过指数映射来得到，所以我们可以将求李代数的导数。 BCH公式 但是此处必须说明的一点是，指数映射时，下式是不满足的。 如果上述公
「 SLAM lesson-4 」李群李代数知识点纲要（基础，指对数映射，李代数求导，扰动模型，Sophus）
Robot_Starscream的博客
02-24 2406
结合高翔老师的著作《视觉SLAM十四讲：从理论到实践》，加上小白的工程经验共同完成。建议作为笔记功能反复使用。 一. 李群李代数基础 群；（一种集合+一种运算的代数结构） 李代数的引出；（给定某时刻的 R，我们就能求得一个，它描述了 R在局部的导数关系，正是对应到SO(3) 上的李代数so(3) 李代数的定义；（每个李群都有与之对应的李代数，它描述了李群的局部性质） 李代数so(...
李群与李代数二（求导与扰动模型）
weixin_37781153的博客
09-22 648
BCH公式与近似公式（Baker-Campbell-haudsorff） 给出了李代数指数映射乘积的完整公式: [,]:为李括号[ ,]:为李括号[,]:为李括号 ln(eAeB)=A+B+12[A,B]+112[A,[A,B]]−112[B,[A,B]]+...ln(e^{A}e^{B})=A+B+\frac{1}{2}[A,B]+\frac{1}{12}[A,[A,B]]-\frac{1}{12}[B,[A,B]]+...ln(eAeB)=A+B+21​[A,B]+121​[A,[A,B]]−121​[
视觉SLAM：视觉SLAM中的李群与李代数、左乘扰动模型
LittleEmperor的博客
03-29 1797
SLAM中对矩阵求导数的应用场景？什么情况下用到李代数左乘扰动模型求导数？ 为什么不能用李群求导？ 李群与李代数的关系？ 李代数左乘扰动的理解？ 1 李群与李代数在SLAM中的用途 视觉SLAM中用李群表示相机位姿T，用李代数求导数。 对于同一个特征点，如果上一时刻得到该点相机坐标系下的三维坐标为P，当前时刻观测到相机坐标系下的坐标为Z，则两时刻相机位姿变化矩阵为T，有如下公式： ...
李群李代数：李代数求导
JasonLi的博客
02-10 1793
记录了SO(3)和SE(3)的求导方式，从BCH公式近似到导数模型、扰动模型的建立。
SLAM中相机位姿求解（李群李代数）
A_cainiao_A
07-12 1万+
前言slam中一个关键问题之一就是求解相机的位姿，人们找了很多以相机位姿为变量的误差函数，比如光度误差，重投影误差，3D几何误差等等，希望使得误差最小，进而求得比较准确的相机位姿。举一个重投影例子： T∗=min12∑i=0n||ui−1siKTPi||2(1) T^* = min \frac{1}{2} \sum_{i=0}^n || u_i - \frac{1}{s_i}KTP_i||^2 \
借助李群李代数完成对位姿的求导计算
weixin_41855010的博客
08-29 2445
一、对位姿求导数的意义 我们在对机器人进行位姿估计时的目标函数如下： 为了能取到损失函数J的最小值，我们需要对目标函数关于变换矩阵T求导数，我们可以不严谨非正式地记为如下表达式： 然而，变换矩阵T，包括其中的重要组成部分旋转矩阵R，都不满足对加减法的封闭，因此我们需要采用新的方法，那就是引入李群和李代数。 二、SO(3)李群和so(3)李代数 满足CAI2性质（Closure, Associativity, Identity-element, Inversible）的集合与运算的代数结构称为群。我们知道
视觉SLAM笔记（17） 李代数求导与扰动模型
氢键H-H
09-29 1万+
BCH 公式与近似形式、SO(3) 李代数上的求导、李代数求导、扰动模型、SE(3) 上的李代数求导
李群李代数在姿态优化中的作用
ziliwangmoe的博客
08-06 4226
第一层理解：旋转矩阵是群，每个旋转矩阵对应一个李代数。他们中间通过Exp和Log加上一个^相互转换。而李代数和欧拉角以及四元素之间又有很多有意义的关系，以及怎么用极小旋转来理解群和代数之间的关系，但现不在这里展开了。 第二层理解：两个群的积和两个代数的和之间有简单的关系，这个就是BCH公式。但这个公司比较复杂：是一个级数展开。而且对我们来说也不需要这个无条件的表达式。反而我们需要的是一个很小的旋...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值