罗德里格斯公式推导

Nov 16,2018   2470 words   9 min

Tags: SLAM

在SLAM中介绍旋转向量的时候会提到一个公式叫罗德里格斯公式(Rodrigues’ Formula),它说明了旋转向量与旋转矩阵之间的关系。 假设某个旋转的旋转轴为向量\(\mathbf{n}\),角度为θ。从旋转向量到选择矩阵可表示如下。

\[R=cos\theta \mathbf{I}+(1-cos\theta)\mathbf{nn}^{T}+sin\theta \mathbf{n}^{\times }\]

\(\mathbf{n}^{\times }\)表示对向量\(\mathbf{n}\)取反对称矩阵。下面就对公式进行推导。

1.公式推导

本文的示意图来自Wiki上的罗德里格斯公式词条,点击查看 如上图所示(点击图片可查看svg矢量图),假设某个单位向量\(\mathbf{k}\),某个向量\(\mathbf{v}\)以\(\mathbf{k}\)为轴,旋转了θ角(逆时针)变成了\(v_{rot}\)。对于\(\mathbf{v}\),可以将其分解为垂直和平行于旋转轴k的分量\(v_{⊥}\)和\(v_{∥}\),且根据向量加法满足如下关系。

\[v=v_⊥+v_∥\]

对于\(v_∥\)由于其大小可以看成是向量\(\mathbf{v}\)在\(\mathbf{k}\)上的投影,即\(\mathbf{v}\)和\(\mathbf{k}\)做点积,而其方向与\(\mathbf{k}\)平行,可以表示成\(\mathbf{k}\)的倍数,因此可以表示成如下形式:

\[v_∥=(k\cdot v)k\]

对于\(v_⊥\),由上面的式子可以得到:

\[v_⊥=v-v_∥=v-(k\cdot v)k\]

而又如上图所示(点击图片可查看svg矢量图),\(v_⊥\)等于\(-k×(k×v)\)。在上图中\(k×v\)得到的是一个垂直于\(\mathbf{k}\)、\(\mathbf{v}\)所构成平面的一个向量(可以看作是\(v_⊥\)绕k逆时针转90°),方向满足右手定则(从\(\mathbf{k}\)转到\(\mathbf{v}\))。而\(\mathbf{k}\)再与\(k×v\)做叉乘,得到的是一个垂直于\(\mathbf{k}\)和\(k×v\)平面的向量(可以看作是\(v_⊥\)绕k逆时针转180°),方向满足右手定则(从\(\mathbf{k}\)转到\(k×v\))。所以\(k×(k×v)\)和\(v_⊥\)大小相等,方向相反,前者加个负号,即相等。因此:

\[v_⊥=v-v_∥=v-(k\cdot v)k=-k×(k×v)\]

向量\(\mathbf{k}\)在绕\(\mathbf{k}\)旋转之后,其在旋转轴上的投影向量是不会变的(很容易理解,要不然也不叫旋转轴了),有:

\[v_{∥rot}=v_∥\]

对于垂直于\(\mathbf{k}\)轴的分量,只会改变方向,大小并不会变。

\[|v_{⊥rot} |=|v_⊥ |\]

而由上图,根据三角函数知识,在直角三角形中可以计算出:

\[v_{⊥rot}=cosθv_⊥+sinθk×v_⊥\]

因为\(\mathbf{k}\)与\(v_∥\)平行,所以它们做叉乘结果为\(\mathbf{0}\)向量,且根据\(\mathbf{v}\)与投影分量的关系,有:

\[k×v_⊥=k×(v-v_∥)=k×v-k×v_∥=k×v\]

所以\(v_{⊥rot}\)可以写成:

\[v_{⊥rot}=cosθv_⊥+sinθ(k×v)\]

因此对于旋转后的向量\(v_{rot}\),有:

\[\begin{align} v_{rot} &=v_{\parallel rot}+v_{\perp rot} \\ &=v_{\parallel}+cos\theta v_{\perp}+sin\theta (k\times v) \\ &= v_{\parallel}+cos\theta (v-v_{\parallel})+sin\theta (k\times v) \\ &= cos\theta v+(1-cos\theta) v_{\parallel}+sin\theta (k\times v) \\ &= cos\theta v+(1-cos\theta) (k\cdot v)k+sin\theta (k\times v) \\ \end{align}\]

即:

\[v_{rot}=cosθv+sinθ(k×v)+(1-cosθ)(k\cdot v)k\]

以上为罗德里格斯的矢量运算表达式,下面推导矩阵运算形式。对于向量可以获得它对应的反对称矩阵K,

\[K=\begin{bmatrix} 0 & -k_z & k_y\\ k_z & 0 & -k_x\\ -k_y & k_x & 0 \end{bmatrix}=\mathbf{k}^{\times}\]

所以有如下式子成立

\[Kv=k×v\\ K^2 v=k×(k×v)\]

又因为\(v-v_∥=-k×(k×v)\),所以\(v_∥=v+k×(k×v)\),带入\(v_{rot}\)有:

\[\begin{align} v_{rot}&=cosθv+(1-cosθ) v_∥+sinθ(k×v)\\ &=cosθv+(1-cosθ)(v+k×(k×v))+sinθ(k×v) \end{align}\]

整理可得:

\[\begin{align} v_{rot}&=v+K^2 v-cosθK^2 v+sinθKv\\ &=v(I+K^2-cosθK^2+sinθK) \end{align}\]

一般把等式右边括号中的部分叫做旋转矩阵R,即:

\[R=I+(1-cosθ)K^2+sinθK\]

又由于

\[K^2 v=k×(k×v)=-(v-(k\cdot v)k)\]

所以整理可得:

\[K^2=kk^T-I\]

带入上式,整理可得:

\[R=cosθI+(1-cosθ)kk^T+sinθk^{\times}\]

这样便推导出了罗德里格斯公式。

本文作者原创,未经许可不得转载,谢谢配合

返回顶部