微分几何在机器人领域的应用（二）深入理解三维空间变换
|
空间几何变换 空间中的几何变换分为多类，从简单，到逐渐复杂的变换，分别有如下几种： 1. 等距变换（Isometries）。等距变换下点到点的欧式距离保持不变。刚体变换是典型的等距变换。 2. 相似变换（Similarity）。在等距变换的基础上加上一个各向同性的缩放。矩阵表示上需要在旋转矩阵部分乘以一个非零系数s。 3. 仿射变换（Affine）。是一个非奇异的线性变换加上一个平移向量组成的变换。 4. 投影变换（Projective）。任意非奇异的4×4矩阵所构成的变换。 变换的分类和特征如下图所示。
三维刚体的空间变换属于种情况。如果物体不变形，那么刚体变换涵盖物理世界中的所有情况。刚体变换包含三个平移自由度和三个旋转自由度，总共6个自由度。应用刚体变换，点到点的距离保持不变，同时矢量的点积和叉积保持不变。平移自由度易于理解，故本文重点讨论旋转分量，即旋转矩阵R。 旋转矩阵 在理解高维理论时，我们一般采用降维的方式理解，由易到难。首先回到二维空间的变换。二维平面中，刚体变换有三个自由度，x, y 和旋转角θ。用矩阵的形式表示： 其中
分别为旋转矩阵和平移向量。可以看到旋转矩阵只有一个自由度，因其只有一个变量θ。 旋转矩阵R的性质： 1. 旋转矩阵的逆矩阵是它的转置矩阵，故旋转矩阵是正交矩阵。（如果不理解逆矩阵和转置矩阵，请首先恶补线性代数）。 2. 一个矩阵是旋转矩阵，当且仅当它是正交矩阵，且它的行列式是1。正交矩阵的行列式是±1。读者可思考行列式为-1的情况对应什么变换。 二维旋转矩阵可用旋转角唯yi表示。正角表示逆时针旋转。
如下图表示的是当θ=20°的情况。
二位旋转矩阵的许多性质在三维空间中同样满足。 让我们回到三维空间。旋转可以有三个旋转组合而成。在右手（笛卡尔）坐标系下分别绕x，y， z轴旋转。其旋转矩阵分别对应为
任意旋转矩阵可写作一定角度下的三个矩阵的乘积。 注意：矩阵乘法不符合交换律！故顺序不同，得到的旋转矩阵并不相同。
欧拉角 航空领域，一般定义飞机前后轴为x轴，沿x轴旋转的角度一般称为Roll，中文称作翻滚角；两翼方向称作Pitch，中文称作俯仰角；垂直地面的方向是航向角（Yaw），如下图所示。作者觉得中文翻译很符合愿意，更易于理解。可以记住在驾驶飞机时，如何操纵翻滚角，俯仰角，航向角。Roll，Pitch，Yaw，又称作欧拉角。习惯上，三个欧拉角的方向是z-y-x，使用时需要特别重要，欧拉角顺序错了，旋转矩阵也会发生变化。
程序实现：
再次注意：三个欧拉角的顺序！
李群和李代数 三维旋转矩阵是直观的表示方法，但旋转矩阵有9个变量，只有3个自由度，故信息是冗余的。旋转矩阵在工程使用更好的表达方法。根据定义，所有的刚体变换属于一个群（李qun，Lie Group）。刚体变换又称作特殊欧式变换（special Euclidean transformation），通常写作SE（3）。李群中的变换满足如下特性。详细性质可参见李群和李代数的资料。如果只限于3D视觉或机器人学，只需记住其主要特性： ▪封闭性 刚体变换的组合和逆变换均属于刚体变换。
罗德里格斯旋转公式 （Rodriguez’s Rotation Formula） 旋转矩阵有一个更有效的表达方法，即由一个单位向量和一个旋转角生成。每一个旋转矩阵均可转化为向量和角（又称轴-角）的表达方式。根据公式，单位向量用表示，旋转的角度是θ，那么相应的旋转矩阵是：
此矩阵可简化为如下公式： 具体点符号定义可参见相关文献。单纯环绕x，y或z轴旋转而成的旋转矩阵是罗德里格斯公式的特殊形式。读者可以把上式中的单位向量替换为（0,0,1）进行验证。虽然公式复杂，但程序实践比较方便。利用Eigen库中的Eigen::AngleAxisf（旋转向量）可以直接获得。
四元数(Quternions) 四元素可看作一种特殊的复数，由一个实部和三个虚部构成。四元素的表示方法同旋转矩阵、欧拉角表示方法是等价的。根据罗德里格斯旋转公式，任何一个旋转都可以表达成轴角的表达法。四元素可以更方便的表达出旋转轴和旋转角。单位欧拉向量可表示为： 根据欧拉公式的扩展，四元素可表示为
四元素分为实部和虚部，实部只跟旋转角有关。虚部有单位向量和旋转角共同计算得来。 四元数的求逆可采用复数的共轭（即虚部取反）方式求得 同时，四元数更易于做线性插值（Slerp）。实际实验中，使用四元素做旋转矩阵的计算更加方便。使用Eigen库时，四元素的使用更为方便。
总结 刚体的空间变换由平移和旋转两部分组成。平移部分易于理解，旋转部分一般由直观的3×3矩阵表示。 旋转矩阵有很多特性（正交矩阵、单位矩阵），但其由9个元素，但只有3个自由度，故数学上的表示是冗余的。 在机器人领域，使用多的除旋转矩阵外，还有旋转向量、欧拉角、四元素等。 本文的几乎所有变换都容易实现，可直接使用三方库如Eigen[3]，类似的还要OpenCV等。但如要深入理解，hao自己实战。 思考：二维空间刚体变换有3个自由度，三维有6个自由度，四维空间呢？n维空间呢？
参考文献： 1. Multiple View Geometry in Computer Vision (2nd Edition), Richard Hartley and Andrew Zisserman. 2. An Invitationto 3-D Vision From Images to Models, Yi Ma, Jana Kosecka, Stefano Soatto and Shankar Sastry. 3. Eigen, eigen.tuxfamily.org/.
本文属于纯原创文章，转载请注明杭州蓝芯科技有限公司 |
