• 学过矩阵理论或者线性代数的肯定知道正交矩阵(orthogonal matrix)是一个非常好的矩阵,为什么这么说?原因有一下几点: 正交矩阵每一列都是单位矩阵,并且两两正交。最简单的正交矩阵就是单位阵。正交矩阵的逆...

     学过矩阵理论或者线性代数的肯定知道正交矩阵(orthogonal matrix)是一个非常好的矩阵,为什么这么说?原因有一下几点:

    1. 正交矩阵每一列都是单位矩阵,并且两两正交。最简单的正交矩阵就是单位阵。
    2. 正交矩阵的逆(inverse)等于正交矩阵的转置(transpose)。同时可以推论出正交矩阵的行列式的值肯定为正负1的
    3. 正交矩阵满足很多矩阵性质,比如可以相似于对角矩阵等等。

      以上可以看出正交矩阵是非常特殊的矩阵,而本文题目中的旋转矩阵就是一种正交矩阵!它完美的诠释了正交矩阵的所有特点。


       先说一下什么是旋转矩阵?如图1所示,我们假设最开始空间的坐标系XAYAZA就是笛卡尔坐标系,这样我们得到空间A的矩阵VA={XAYAZA}T,其实也可以看做是单位阵E。进过旋转后,空间A的三个坐标系变成了图1中红色的三个坐标系XBYBZB,得到空间B的矩阵VB={XBYBZB}T。我们将两个空间联系起来可以得到VB=RVA,这里R就是我们所说的旋转矩阵。 

    图1

      由于XA={1,0,0}TYA={0,1,0}TZA={0,0,1}T,结合图2可以看出,旋转矩阵R就是由XBYBZB 三个向量组成的。讲到这里,大家应该会发现旋转矩阵R满足第一个条件,因为单位向量无论怎么旋转长度肯定不会变而且向量之间的正交性质也不会变。那么旋转矩阵就是正交阵!不过这还不能说明问题,下面我更进一步利用数学公式进行证明。


    图2


      进一步讨论之前,我们先说两点数学知识。(1)点乘(dot product)的几何意义:如图3,我们从点乘的公式可以得到α•β相当与β的模乘上αβ上投影的模,所以当|β|=1时,α•β就是指αβ上投影的模。这一点在下面的内容中非常重要。(2)旋转矩阵逆的几何意思:这个比较抽象,不过也好理解。旋转矩阵相当于把一个向量(空间)旋转成新的向量(空间),那么逆可以理解为由新的向量(空间)转回原来的向量(空间)。

    图3

      接下来就是重点了,我们结合图4进行分析。上面已经说明了,旋转矩阵R就是由XBYBZB 三个向量组成的。我们来看看XBYBZB究竟是什么?由于图中所有的向量均是单位向量,所以XBXA点乘的结果可以看成XBXA上的投影的模,也就是XB在空间A中x轴的分量!!图中中间的位置列出了XB向量中的三个分量分别为XBXA上的投影的模、XBYA上的投影的模和XBZA上的投影的模。这从几何角度很好理解。以此类推,可以得出的旋转矩阵R的表达形式。我们根据图4可以惊喜的发现,矩阵R的第一行就是XAXBYBZB上的投影的模,也就是XAT

     

    图4

      这个发现有什么用呢?图5做出解释。根据上面公式可以推出AB的旋转矩阵等于BA的旋转矩阵的转置。根据我们上一段所说的AB的旋转矩阵的逆就是等于BA的旋转矩阵,因此很容易推出R-1等于RT!这满足正交矩阵的第二个条件,又一次证明了旋转矩阵就是正交阵。在平时的工作中,我也测试过所有的旋转矩阵的行列式的值都是为1的,所以旋转矩阵满足正交阵的一切性质,可以说是很完美的矩阵。

    图5


       现在以三个欧拉角中的RotX为例(其余两个欧拉角以此类推),验证一下以上说的结论。

      首先结合图5的公式,计算出RotX的旋转矩阵Rrotx

    • 由于X轴是垂直于YoZ平面的,所以XAYBZB的点乘结果为0,同时XBYAZA的点乘结果也为0。
    • 由于XAXB都是单位向量,所以XAXB的点乘结果为1。
    • 由于绕x轴旋转,所以我们观察YBZB分别在YAZA上的投影情况,如图6,我已经将坐标标注了。

      图6

     

      这样就完成旋转矩阵Rrotx,我们接下来验证一下。

    1. 我们计算每一行每一列的模,都为1;并且任意两个列向量或者任意两个行向量都是正交的。所以满足上文列出的第一个性质。
    2. 我们计算Rrotx的行列式,很简单可以算出为1。这时我们计算一下该矩阵的逆和转置,这里我不写出来了是相等的。所以满足上文列出的第三个性质。
    3. 第三个性质要牵扯到更多的数学知识,在这里就不验证了。

      总结一下:旋转矩阵是一个完美的矩阵——正交矩阵。它的行列式为1,且每个列向量都是单位向量且相互正交,它的逆等于它的转置。

    From:http://www.cnblogs.com/caster99/p/4703033.html

    展开全文
  • 旋转矩阵转欧拉角。原理很简单,代码实现也很容易。网上查了一些 ,公式好多写的都是错的 坐标系之间的旋转,可以通过三个角度推导出旋转矩阵,也就是说 3*3大小的旋转矩阵 实际自由度为3   #include&...
  • https://www.learnopencv.com/rotation-matrix-to-euler-angles/
  • 视觉SLAM学习笔记2:旋转矩阵、变换矩阵、旋转向量与四元数简述 1.旋转矩阵 (1)向量外积 对于向量外积,除了现线代课本上的方法,还可以引入∧ 符号,把 a 写成一个矩阵。事实上a∧ 是一个反对称矩阵。外积只对三维...
  • 基础矩阵(Fundamental Matrix) 如果已知基础矩阵F,以及一个3D点在一个像面上的像素坐标p,则可以求得在另一个像面上的像素坐标p‘。这个是基础矩阵的作用,可以表征两个相机的相对位置及相机内参数。 下面...
  • 1.1 摄影测量的共线方程摄影测量学常见的共线方程是: (1.1 1)其中 是像点坐标, 是像点主点坐标, 是相机焦距, 是物方点坐标...组成误差方程式的矩阵形式为: (1.1 2)其中, 在公式(1.1.1)可变形为: 
  • 这篇博客是建立在知道单应矩阵和相机参数相关概念的基础上进行讲解的,不了解的朋友可以参考我之前的博客: 单应矩阵:...在计算机视觉中,单张图像只能将真实的...
  • 旋转矩阵、欧拉角、四元数理论及其转换关系author@jason_ql(lql0716) http://blog.csdn.net/lql07161、概述旋转矩阵、欧拉角、四元数主要用于表示坐标系的旋转关系,它们之间的转换关系可以减小一些算法的...
  • 先简要介绍一下四个名词的联系《计算机视觉—算法与应用》 旋转矩阵与轴角间可以很容易的相互转换 欧拉角在参数空间并不总是能够光滑移动(较小的旋转可能变化为一个或多个欧拉角的显著变化) 随着旋转矩阵的变化...
  • 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。 1.旋转矩阵的缺点 由矩阵表示旋转至少有以下几个缺点: SO(3)的旋转矩阵有九个量,但一次旋转...
  • 原文:http://blog.csdn.net/xiaoyinload/article/details/49000855本征矩阵E:它包含了物理空间两个摄像机相关的旋转(R)和平移信息(T)。T和R描述了一台摄像机相对于另外一台摄像机在全局坐标系的相对位置。基础...
  • 计算机视觉领域的文献里经常会见到李代数和李群的概念,在此说说我个人对李代数与李群的理解。 本人第一次遇见李代数与李群的概念是在研一时必修课《非线性控制系统理论与应用》上,在该课程是使用李群与李...
  • 欧拉角与旋转矩阵的区别 2020-05-28 10:11:36
    欧拉角是绕定点转动,旋转矩阵是绕轴转动
  • 计算机视觉的数学基础 2016-03-22 14:30:05
    主要介绍了在计算机视觉中关于3D变换矩阵的数学方法。 旋转矩阵是一种3×3的正交矩阵, 这里R为3D的旋转矩阵,同样的,t为3D的平移矢量。 由于3D旋转都可以归结成按照某个单位向量n进行大小为θ的旋转。所以,...
  • 计算机视觉问题总结 2020-04-25 18:27:15
    答:将第一个矩阵的旋转矩阵转换为单位矩阵,平移向量转换为0向量,即可。 计算机视觉到底是不是计算机科学下面的研究方向? 答:必须是,应该现在的计算机视觉基本都是搞计算机的人在做,还有就是一些做自动化的...
  • 前言:同一三维场景在不同视点处得到的两幅二维图像之间的几何关系——极几何以及极几何的代数表示——基础矩阵。...在立体视觉中,可以用图像点的匹配来恢复这种几何关系,反之,也可以用几何关系来约束匹配,使...
  • 三维空间的旋转(3D Rotation)是一个很神奇的东东:如果对某个...表示三维空间的旋转有多种互相等价的方式,常见的有旋转矩阵、DCM、旋转向量、四元数、欧拉角等。本篇文章主要梳理一下这些表示方式及相互转换的方法。
  • 在机器人的控制和轨迹规划等领域,算法结果常常能够得到机器人执行器的速度,如...这就涉及到了角速度与旋转矩阵之间的对应转换关系。本文将简要给出一种它们之间的转换关系,并在后半部分着重介绍转换出的姿态矩阵在不
  • 旋转矩阵更容易理解与记忆的推导,从2D到3D --- **声明**:本文推导适用于右手坐标系。 **旋转角度说明**:本文说的绕x轴旋转$\theta$度指的是顺着x轴负方向看过去,逆时针旋转$\theta$度。若想获得顺时针旋转的...
  • 版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/weixin_34346607/article/details/52988221 ...
1 2 3 4 5 ... 20
收藏数 9,212
精华内容 3,684