三維空間剛體旋轉描述

三維空間中通常可以用旋轉矩陣、旋轉向量、歐拉角和四元數來描述旋轉


旋轉矩陣

先回顧下向量的內積和外積

{ab=aTb=i=13aibi=|a||b|cos(a,b)a×b=[ijka1a2a3b1b2b3]=[a2b3a3b2a3b1a1b3a1b2a2b1]=[0a3a2a30a1a2a10]b=a^b(1)

其中a^=[0a3a2a30a1a2a10] 是取向量a反對角矩陣

外積只對三維向量存在定義,並且可以表示向量的旋轉:
假設兩個不平行向量ab ,可以用一個與a,b 所在平面垂直的向量描述ab 的旋轉(圖1)
                這裏寫圖片描述
        圖1. wa×b 方向一致,相當於旋轉軸,模值等於角度

對空間中一個向量a ,假設有兩組單位正交基O1=(e1,e2,e3)O2=(e1,e2,e3) ,向量在兩個座標系下座標爲[a1,a2,a3]T[a1,a2,a3]T ,那麼有

[e1,e2,e3][a1,a2,a3]T=[e1,e2,e3][a1,a2,a3]T(1)

(1)式兩邊同左乘[e1T,e2T,e3T]T ,有
[a1a2a3]=[e1Te1e1Te2e1Te3e2Te1e2Te2e2Te3e3Te1e3Te2e3Te3][a1a2a3]=Ra(2)

(2)式的R 稱爲旋轉矩陣,用來描述相機的旋轉

旋轉矩陣是行列式爲1的正交矩陣,反之,行列式爲1的正交矩陣也是一個旋轉矩陣

SO(n)={RRn×n|RRT=I,det(R)=1}

其中SO(n) 是特殊正交羣,特別的SO(3) 就是三維空間的旋轉

旋轉矩陣的劣勢

  • 旋轉矩陣有9個量,但一次旋轉只有3個自由度。因此這種表達方式是冗餘的
  • 旋轉矩陣有自身約束:必須是正交矩陣,且行列式爲1,優化算法比較難應用

旋轉向量

旋轉向量用一個三維向量來描述旋轉:其方向與旋轉軸一致,長度等於旋轉角

回顧向量外積,圖1的w 就是ab 的旋轉向量

旋轉向量與旋轉矩陣轉換
假設旋轉軸爲n ,角度爲θ ,使用羅德里格斯公式可以轉換到旋轉矩陣

R=cosθI+(1cosθ)nnT+sinθn^(3)

同樣可以得到由旋轉矩陣到旋轉向量的公式
{θ=arccos(tr(R)12)n=R1(4)

此外,旋轉矩陣實際就是SO(3) 的李羣,旋轉向量就是對應的李代數so(3) ,兩者通過指數映射相聯繫(與羅德里格斯等價)

R=exp(ϕ^)(5)

其中ϕ^ 就是對旋轉向量ϕ 取反對稱矩陣

歐拉角

歐拉角是一種最直觀的旋轉描述方式,也是一個3維向量,分別代表繞某個軸的旋轉角度

  • 相同的角度,旋轉次序的不同,旋轉結果不一樣。一般常見的是rpy角(旋轉順序是ZYX)
  • 使用歐拉角一個最大的缺點是萬向鎖問題:俯仰角爲±90 度時,第一次旋轉和第三次旋轉將使用同一個軸,使得系統丟失了一個自由度
  • 因此歐拉角不適於插值和迭代,往往只用於人機交互中

四元數

旋轉矩陣用9個量描述3自由度的旋轉,具有冗餘性
歐拉角和旋轉向量用3個量描述3自由度的旋轉,是緊湊的,但具有奇異性
四元數用4個量描述3自由度的旋轉,緊湊又沒有奇異性

一個四元數q 擁有1個實部和3個虛部

q=q0+q1i+q2j+q3k(6)

滿足
{i2+j2+k2=1ij=k,ji=kjk=i,kj=iki=j,ik=j(7)

旋轉向量與四元數的轉換
對於一個旋轉向量:繞單位向量n=[n+x,ny,nz]T 做了θ 度的旋轉,那麼其四元數爲

q=[cosθ2,nxsinθ2,nysinθ2,nzsinθ2]T(8)

同樣,也可以由四元數求得旋轉向量
{θ=2arccosq0[nx,ny,nz]T=[q1,q2,q3]Tsinθ2(9)

旋轉矩陣與四元數的轉換
設四元數q=q0+q1i+q2j+q3k(6) ,對應的旋轉矩陣爲

R=[12q222q322q1q2+2q0q32q1q32q0q22q1q22q0q312q122q322q2q3+2q0q12q1q3+2q0q22q2q32q0q112q122q22](10)

反之也可以由R 推得四元數q
q0=tr(R)+12,q1=R23R324q0,q2=R31R134q0,q3=R12R214q0(11)

用四元數表示旋轉
對於一個空間三維點p=[x,y,z] ,指定一個繞nθ 角的旋轉,旋轉後的點爲p
1)首先將三維點用一個虛四元數來描述

p=[0,x,y,z]=[0,v]

2)用四元數q 來表達旋轉
q=[cosθ2,nsinθ2]

3)旋轉後的點爲
p=qpq1
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章