坐标变换(4)—旋转矩阵

1. 群

群(Group)是一种集合加上一种运算的代数结构。我们把集合记作,运算记作, 那么群可以记作。群要求这个运算满足以下几个条件:

  1. 封闭性: .
  2. 结合律: .
  3. 幺元:
  4. 逆: .

2. special orthogonal group

定义参考坐标系(fix frame)为,定义body frame为,在fixed frame下经过一定的旋转,对应的旋转矩阵为,

坐标系的三个坐标轴,即基,,同时,满足以下条件,

  1. 单位向量
  2. 正交
    ,即

    上面两个性质可以写成矩阵的形势,

    此外,坐标系的三个坐标轴还需要遵守右手坐标系,例如,其中表示叉乘。
    在线性代数上有如下的一个公式,当我们知道一个矩阵的三列为时,我们可以求得矩阵的行列式值为,


所以,我们可以得到,

至此,我们推导出了旋转矩阵满足的两个条件。在数学上,将满足上述两个条件的的矩阵统称为special orthogonal group ,即3维的特殊正交群,容易验证符合群的封结幺逆的性质,此外对于任意的3维列向量,和具有相同的长度(2范数)。

3. 旋转矩阵的使用

  1. 描述一个坐标系
  2. 改变向量或者坐标系的参考坐标系
  3. 旋转一个坐标系或者向量

3.1 描述坐标系

第一种情况下,旋转矩阵的三列分别对应坐标系的三个坐标轴,即基,

考虑以上三个坐标系,其对应的描述为,
R_{a}=\left[\begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array}\right], \quad R_{b}=\left[\begin{array}{ccc} 0 & -1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{array}\right], \quad R_{c}=\left[\begin{array}{ccc} 0 & -1 & 0 \\ 0 & 0 & -1 \\ 1 & 0 & 0 \end{array}\right]

而空间中的同一点,在三个坐标系中的描述分别为,

3.2 改变参考坐标系

假设旋转矩阵,描述了相对于的旋转,描述了相对于的旋转,则为相对于的旋转,

向量在坐标系的向量为,则在坐标系下为,

3.3 旋转一个坐标系或者向量

在坐标系下旋转一个向量(同一坐标系下),会产生另外一个向量,

而对一个坐标系乘以一个旋转矩阵,则有不同的意义,分为左乘右乘,下面分别介绍,其中参考坐标系为,body frame为,绕轴转90度生成,表示在下的描述,而仅表示某一旋转矩阵(绕着转30度),下面借助matlab来进行可视化,

3.3.1 左乘

R_sb = rotz(90)
R = rotx(30)
R_1 =  R * R_sb 
tranimate(R_1)
R_sb =

     0    -1     0
     1     0     0
     0     0     1
     
R =

    1.0000         0         0
         0    0.8660   -0.5000
         0    0.5000    0.8660
R_1 =

         0   -1.0000         0
    0.8660         0   -0.5000
    0.5000         0    0.8660

最终结果,

由上面两图可以看到,左乘,是顺着原来中的轴旋转了30度。因此左乘,是在坐标系下的描述。

3.3.2 右乘

R_sb = rotz(90)
R = rotx(30)
R_1 =  R_sb * R 
tranimate(R_1)
R_sb =

     0    -1     0
     1     0     0
     0     0     1
R =

    1.0000         0         0
         0    0.8660   -0.5000
         0    0.5000    0.8660
R_1 =

         0   -0.8660    0.5000
    1.0000         0         0
         0    0.5000    0.8660

最终结果,

由上面两图可以看到,右乘,是顺着中的轴旋转了30度。右乘,是在坐标系下描述。
其实关于左乘和右乘,在前面的文章中介绍过旋转矩阵的列向量是在中的描述,右乘相当于,
\begin{bmatrix} \hat{x}_{b},\hat{y}_{b},\hat{z}_{b} \end{bmatrix}R=\begin{bmatrix} r_{11}\hat{x}_{b}+r_{21}\hat{y}_{b}+r_{31}\hat{z}_{b},r_{12}\hat{x}_{b}+r_{22}\hat{y}_{b}+r_{32}\hat{z}_{b},r_{13}\hat{x}_{b}+r_{23}\hat{y}_{b}+r_{33}\hat{z}_{b} \end{bmatrix}
此时,矩阵的乘积的每一列都是所对应基的线性组合,所以此时的意义肯定是在坐标系下描述。
同理,前面文章提到过,旋转矩阵的行向量是在中的描述,此时是参考坐标系,
R\begin{bmatrix} \hat{x}_{s} \\ \hat{y}_{s} \\ \hat{z}_{s} \end{bmatrix}=\begin{bmatrix} r_{11}\hat{x}_{s}+r_{12}\hat{y}_{s}+r_{13}\hat{z}_{s}\\ r_{21}\hat{x}_{s}+r_{22}\hat{y}_{s}+r_{23}\hat{z}_{s}\\ r_{31}\hat{x}_{s}+r_{32}\hat{y}_{s}+r_{33}\hat{z}_{s} \end{bmatrix}
此时,矩阵的乘积的每一行都是所对应基的线性组合,所以此时的意义肯定是在坐标系下描述。

你可能感兴趣的:(坐标变换(4)—旋转矩阵)