使用Sophus练习李群SO3、SE3以及对应的李代数so3、se3

这是高博《视觉SLAM14讲,从理论到实践》第4章的练习。加了一些注释和理解:

#include
#include
using namespace std;

#include
#include

#include "sophus/so3.h"
#include "sophus/se3.h"

int main( int argc, char** argv )
{
// 沿Z轴转90度的“旋转矩阵”
Eigen::Matrix3d R = Eigen::AngleAxisd(M_PI/2, Eigen::Vector3d(0,0,1)).toRotationMatrix();

Sophus::SO3 SO3_R(R); // Sophus::SO(3)可以直接从“旋转矩阵”构造
Sophus::SO3 SO3_v( 0, 0, M_PI/2 ); // 亦可从“旋转向量”构造
Eigen::Quaterniond q(R); // 或者“四元数”
Sophus::SO3 SO3_q( q );
// 上述表达方式都是等价的
// 输出SO(3)时,以 "旋转向量(角+轴)" 形式输出
cout<<"SO(3) from matrix: "<cout<<"SO(3) from vector: "<cout<<"SO(3) from quaternion :"<

Eigen::Vector3d so3 = SO3_R.log(); // 使用 "对数映射" 获得它的李代数
cout<<"so3 = "<
cout<<"so3 hat=\n"<矩阵
// 相对的,vee为反对称到向量
cout<<"so3 hat vee= "<
// 增量扰动模型的更新
Eigen::Vector3d update_so3(1e-4, 0, 0); //假设更新量为这么多
Sophus::SO3 SO3_updated = Sophus::SO3::exp(update_so3)*SO3_R;
cout<<"SO3 updated = "<
cout<<"*******************萌萌的分割线*****************************"<

// 对SE(3)操作大同小异
Eigen::Vector3d t(1,0,0); // 沿X轴平移1-----------平移部分
Sophus::SE3 SE3_Rt(R, t); // 从R,t构造SE(3)-------旋转(旋转矩阵)+平移
Sophus::SE3 SE3_qt(q,t); // 从q,t构造SE(3)--------旋转 (四元数) +平移
cout<<"SE3 from R,t= "<cout<<"SE3 from q,t= "<
// 李代数se(3) 是一个六维向量,方便起见先typedef一下
typedef Eigen::Matrix Vector6d; //6*1的double矩阵
Vector6d se3 = SE3_Rt.log(); // 使用 "对数映射" 获得它的李代数se3
cout<<"se3 = "<// 观察输出,会发现在Sophus中,se(3)的平移在前,旋转在后.
// 同样的,有hat和vee两个算符
cout<<"se3 hat = "<cout<<"se3 hat vee = "<
// 最后,演示一下更新
Vector6d update_se3; //更新量
update_se3.setZero();
update_se3(0,0) = 1e-4d;
Sophus::SE3 SE3_updated = Sophus::SE3::exp(update_se3)*SE3_Rt;
cout<<"SE3 updated = "<
return 0;
}

结果如下:

使用Sophus练习李群SO3、SE3以及对应的李代数so3、se3_第1张图片

 

转载于:https://www.cnblogs.com/wongyi/p/8795800.html

你可能感兴趣的:(python)