SLAM 几何基础
- 1. 向量运算及其几何意义
- 1.1 内积
- 1.1.1 内积定义
- 1.1.2 内积几何意义
- 1.1.3 内积微分性质
- 1.2 外积
- 1.2.1 外积定义
- 1.2.2 外积几何意义
- 1.2.3 外积微分性质
- 2. 线面特征运算
- 2.1 点到直线距离
- 2.2 点到平面距离
Reference:
- 深蓝学院-多传感器融合
1. 向量运算及其几何意义
1.1 内积
1.1.1 内积定义
内积,又叫数量积,是向量的点乘。
a
=
(
x
1
,
y
1
,
z
1
)
,
b
=
(
x
2
,
y
2
,
z
2
)
a
⋅
b
=
x
1
x
2
+
y
1
y
2
+
z
1
z
2
\mathbf{a}=(x_1, y_1, z_1),\quad \mathbf{b}=(x_2, y_2, z_2) \\ \mathbf{a} \cdot\mathbf{b} = x_1x_2+y_1y_2+z_1z_2
a=(x1,y1,z1),b=(x2,y2,z2)a⋅b=x1x2+y1y2+z1z2
1.1.2 内积几何意义
当
b
\mathbf{b}
b为单位向量时,内积就是
a
\mathbf{a}
a在
b
\mathbf{b}
b上的投影分量。
a
⋅
b
=
∣
a
∣
∣
b
∣
c
o
s
θ
\mathbf{a} \cdot\mathbf{b} = |\mathbf{a}| |\mathbf{b}|cos\theta
a⋅b=∣a∣∣b∣cosθ
1.1.3 内积微分性质
从内积的定义出发,有:
∂
a
∙
b
∂
a
=
b
\frac{\partial \boldsymbol{a} \bullet \boldsymbol{b}}{\partial \boldsymbol{a}}=\boldsymbol{b}
∂a∂a∙b=b证明:
∂
a
∙
b
∂
x
1
=
∂
(
x
1
x
2
+
y
1
y
2
+
z
1
z
2
)
∂
x
1
=
x
2
∂
a
∙
b
∂
y
1
=
∂
(
x
1
x
2
+
y
1
y
2
+
z
1
z
2
)
∂
y
1
=
y
2
∂
a
∙
b
∂
z
1
=
∂
(
x
1
x
2
+
y
1
y
2
+
z
1
z
2
)
∂
z
1
=
z
2
\begin{aligned} & \frac{\partial \boldsymbol{a} \bullet \boldsymbol{b}}{\partial x_1}=\frac{\partial\left(x_1 x_2+y_1 y_2+z_1 z_2\right)}{\partial x_1}=x_2 \\ & \frac{\partial \boldsymbol{a} \bullet \boldsymbol{b}}{\partial y_1}=\frac{\partial\left(x_1 x_2+y_1 y_2+z_1 z_2\right)}{\partial y_1}=y_2 \\ & \frac{\partial \boldsymbol{a} \bullet \boldsymbol{b}}{\partial z_1}=\frac{\partial\left(x_1 x_2+y_1 y_2+z_1 z_2\right)}{\partial z_1}=z_2 \end{aligned}
∂x1∂a∙b=∂x1∂(x1x2+y1y2+z1z2)=x2∂y1∂a∙b=∂y1∂(x1x2+y1y2+z1z2)=y2∂z1∂a∙b=∂z1∂(x1x2+y1y2+z1z2)=z2
1.2 外积
1.2.1 外积定义
外积,又叫叉积、向量积,是向量的叉乘。
a
=
(
x
1
,
y
1
,
z
1
)
b
=
(
x
2
,
y
2
,
z
2
)
a
×
b
=
∣
i
j
k
x
1
y
1
z
1
x
2
y
2
z
2
∣
=
(
y
1
z
2
−
y
2
z
1
)
i
−
(
x
1
z
2
−
x
2
z
1
)
j
+
(
x
1
y
2
−
x
2
y
1
)
k
\begin{aligned} &\boldsymbol{a}= \left(x_1, y_1, z_1\right) \\ &\boldsymbol{b}= \left(x_2, y_2, z_2\right) \\ & \boldsymbol{a} \times \boldsymbol{b} = \left|\begin{array}{ccc} \mathrm{i} & \mathrm{j} & \mathrm{k} \\ x_1 & y_1 & z_1 \\ x_2 & y_2 & z_2 \end{array}\right| = \left(y_1 z_2-y_2 z_1\right) i -\left(x_1 z_2-x_2 z_1\right) j +\left(x_1 y_2-x_2 y_1\right) k \end{aligned}
a=(x1,y1,z1)b=(x2,y2,z2)a×b=
ix1x2jy1y2kz1z2
=(y1z2−y2z1)i−(x1z2−x2z1)j+(x1y2−x2y1)k
1.2.2 外积几何意义
外积模长等于
a
\mathbf{a}
a和
b
\mathbf{b}
b组成的平行四边形的面积,外积的方向满足右手定则,
a
\mathbf{a}
a和
b
\mathbf{b}
b张成平面的单位法向量为:
n
=
a
×
b
∣
a
×
b
∣
\mathbf{n}=\frac{\mathbf{a} \times \mathbf{b}}{|\mathbf{a} \times \mathbf{b} |}
n=∣a×b∣a×b。
a
×
b
=
∣
a
∣
∣
b
∣
s
i
n
θ
\mathbf{a} \times \mathbf{b} = |\mathbf{a}| |\mathbf{b}|sin\theta
a×b=∣a∣∣b∣sinθ
1.2.3 外积微分性质
根据外积的定义,有:
a
×
b
=
a
∧
b
\boldsymbol{a} \times \boldsymbol{b}=\boldsymbol{a}^{\wedge} \boldsymbol{b}
a×b=a∧b其中
a
∧
a^{\wedge}
a∧ 为
a
a
a 的反对称矩阵
:
a
∧
=
[
0
−
z
1
y
1
z
1
0
−
x
1
−
y
1
x
1
0
]
\boldsymbol{a}^{\wedge}=\left[\begin{array}{ccc} 0 & -z_1 & y_1 \\ z_1 & 0 & -x_1 \\ -y_1 & x_1 & 0 \end{array}\right]
a∧=
0z1−y1−z10x1y1−x10
则:
a
∧
b
=
−
b
∧
a
∂
a
∧
b
∂
a
=
−
b
∧
∂
a
∂
a
=
−
b
∧
\begin{aligned} \boldsymbol{a}^{\wedge} \boldsymbol{b} & =-\boldsymbol{b}^{\wedge} \boldsymbol{a} \\ \frac{\partial \boldsymbol{a}^{\wedge} b}{\partial a} & =-\frac{b^{\wedge} \partial a}{\partial a}=-\boldsymbol{b}^{\wedge} \end{aligned}
a∧b∂a∂a∧b=−b∧a=−∂ab∧∂a=−b∧
2. 线面特征运算
2.1 点到直线距离
点
A
A
A 到直线
B
C
BC
BC 的距离为:
∣
A
D
→
∣
=
∣
A
B
→
×
A
C
→
∣
∣
B
C
→
∣
|\overrightarrow{A D}|=\frac{|\overrightarrow{A B} \times \overrightarrow{A C}|}{|\overrightarrow{B C}|}
∣AD∣=∣BC∣∣AB×AC∣,即平行四边形面积除以对角线长度。
2.2 点到平面距离
平面
B
C
D
B C D
BCD 的单位法向量为
n
=
B
C
→
×
B
D
→
∣
B
C
→
×
B
D
→
∣
\boldsymbol{n}=\frac{\overrightarrow{B C} \times \overrightarrow{B D}}{|\overrightarrow{B C} \times \overrightarrow{B D}|}
n=∣BC×BD∣BC×BD 点
A
A
A 到平面
B
C
D
B C D
BCD 的距离为:
∣
A
E
→
∣
=
∣
A
B
→
∣
cos
θ
=
A
B
→
∙
n
|\overrightarrow{A E}|=|\overrightarrow{A B}| \cos \theta=\overrightarrow{A B} \bullet \boldsymbol{n}
∣AE∣=∣AB∣cosθ=AB∙n(即先计算单位向量给出方向,再使用点乘计算距离)