Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系

本文主要是介绍Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.概述

做MPC控制的时候,需要把 map 坐标系下的相关坐标点转换到 car 坐标系中,由于是只考虑 xy 平面,所以计算比较简单。做完之后,考虑到三维空间的坐标系转换还是不太懂,主要是ROS系统中的tf变换,于是摸了两天鱼。今天详细的记录下来,旋转矩阵、四元素、欧拉角以及各个之间的转换关系。
阅读了好几篇大神的文章,具体也找不到连接了,在此顶礼膜拜,如有相似的地方,那就相似吧,毕竟原理都一样。
本文采用的为右手坐标系,以车身为参考的话,就是车头朝向为x轴正向,垂直于x轴且指向车身左侧为y轴正向,z轴垂直于xy平面,且向上为正方向,原点为车辆质心,此时车辆绕z轴旋转角为yaw角 ,y轴旋转为 pitch角 , x轴旋转为 roll角。

2.原理

2.1旋转矩阵

对于两个三维点 p 1 ( x 1 , y 1 , z 1 ) p1(x1,y1,z1) p1(x1,y1,z1) p 2 ( x 2 , y 2 , z 2 ) p2(x2,y2,z2) p2(x2,y2,z2),由点 p 1 p1 p1 经过旋转矩阵 R R R 旋转到 p 2 p2 p2,则有:
R = [ r 11 r 12 r 13 r 21 r 22 r 23 r 31 r 32 r 33 ] R=\begin{bmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{bmatrix} R=r11r21r31r12r22r32r13r23r33
[ x 2 y 2 z 2 ] = R ∗ [ x 1 y 1 z 1 ] \begin{bmatrix} x_2 \\ y_2 \\ z_2 \end{bmatrix} = R*\begin{bmatrix} x_1 \\ y_1 \\ z_1 \end{bmatrix} x2y2z2=Rx1y1z1
注意:旋转矩阵为正交矩阵 R ∗ R T = E R*R^T=E RRT=E
绕x轴旋转角度 θ \theta θ
R x ( θ ) = [ 1 0 0 0 c o s ( θ ) − s i n ( θ ) 0 s i n ( θ ) c o s ( θ ) ] R_x(\theta)=\begin{bmatrix} 1 & 0 & 0 \\ 0 & cos(\theta) & -sin(\theta) \\ 0 & sin(\theta) & cos(\theta) \end{bmatrix} Rx(θ)=1000cos(θ)sin(θ)0sin(θ)cos(θ)

绕y轴旋转角度 θ \theta θ
R y ( θ ) = [ c o s ( θ ) 0 s i n ( θ ) 0 1 0 − s i n ( θ ) 0 c o s ( θ ) ] R_y(\theta)=\begin{bmatrix} cos(\theta) & 0 & sin(\theta) \\ 0 & 1 & 0 \\ -sin(\theta) & 0 & cos(\theta) \end{bmatrix} Ry(θ)=cos(θ)0sin(θ)010sin(θ)0cos(θ)

绕z轴旋转角度 θ \theta θ
R z ( θ ) = [ c o s ( θ ) − s i n ( θ ) 0 s i n ( θ ) c o s ( θ ) 0 0 0 1 ] R_z(\theta)=\begin{bmatrix} cos(\theta) & -sin(\theta) & 0 \\ sin(\theta) & cos(\theta) & 0 \\ 0 & 0 & 1 \end{bmatrix} Rz(θ)=cos(θ)sin(θ)0sin(θ)cos(θ)0001

任意一个坐标系都可以通过依次绕着三个坐标轴旋转到指定的朝向,这三个角度就是欧拉角。

2.2 欧拉角

还是以汽车为例子,车身本身有一个车身坐标系 car ,同时,车辆定位以及路点所采用的是 map 坐标系,车辆的运动相对于这两个坐标系的意义是不同的,这里不考虑车辆的移动变化,仅仅考虑旋转:

  1. 不论车辆如何运动,坐标系 car 始终是和车辆的运动保持一致的,所以车辆的运动对于 car 坐标系来说,始终保持静止车辆坐标对于car坐标系不变,car 坐标系会随着车辆的运动而不停的变化,因为坐标系不是静止的,此时的欧拉角称为动态欧拉角
  2. 另一种是车辆的运动相对于 map 坐标系,车辆本身的坐标对于坐标系 map 不停的发生变化,但是坐标系 map 却是保持不动的,此时的欧拉角称为静态欧拉角
    使用动态欧拉角的时候会发生万向锁现象,静态欧拉角则不会。万向锁的现象,简单来说,就是坐标系绕某一轴旋转90°后,再换另外一个轴旋转的时候,会失去一个自由度,如下图所示:
    在这里插入图片描述
    欧拉角
    实际使用中,首先需要选定一个参考系做为参考系(参考系是静止不动的,在做相关的数据处理的时候,其他坐标系的朝向一般都是向参考系转换的),如上图所示,wiki找的图,这里选取XYZ坐标系做为参考系,xyz坐标系为刚体本身的坐标系,会随着刚体的运动而运动。直线N为xy平面与XY平面的交线, α \alpha α为x轴与交线N的夹角, β \beta β为z轴与Z轴的夹角, γ \gamma γ为交线与X轴的夹角。
    每当使用欧拉角时,必须明确的指出夹角的顺序,并指定其参考轴。即使相同的欧拉角,按照不同的旋转顺序,最终得到的结果是不一样的,这个必须要注意。

2.2.1 由欧拉角求旋转矩阵

设三个轴 x , y , z x,y,z x,y,z的欧拉角分别为 θ x , θ y , θ z \theta_x,\theta_y,\theta_z θx,θy,θz,对应的正弦值、余弦值简写为 s x , c x , s y , c y , s z , c z s_x,c_x,s_y,c_y,s_z,c_z sx,cx,sy,cy,sz,cz,且旋转的顺序为 y a w , p i t c h . r o l l yaw,pitch.roll yaw,pitch.roll,因此旋转矩阵为
R ( θ z , θ y , θ x ) = R z ( θ z ) ∗ R y ( θ y ) ∗ R x ( θ x ) = [ c y c z c z s x s y − c x s z s x s z + c x c z s y c y s z c x c z + s x s y s z c x s y s z − c z s x − s y c y s x c x c y ] R(\theta_z,\theta_y,\theta_x)=R_z(\theta_z)*R_y(\theta_y)*R_x(\theta_x)=\begin{bmatrix} c_yc_z & c_zs_xs_y-c_xs_z & s_xs_z+c_xc_zs_y \\ c_ys_z & c_xc_z+s_xs_ys_z & c_xs_ys_z-c_zs_x \\ -s_y & c_ys_x & c_xc_y \end{bmatrix} R(θz,θy,θx)=Rz(θz)Ry(θy)Rx(θx)=cyczcyszsyczsxsycxszcxcz+sxsyszcysxsxsz+cxczsycxsyszczsxcxcy

2.2.2 由旋转矩阵求欧拉角

R = [ r 11 r 12 r 13 r 21 r 22 r 23 r 31 r 32 r 33 ] = [ c y c z c z s x s y − c x s z s x s z + c x c z s y c y s z c x c z + s x s y s z c x s y s z − c z s x − s y c y s x c x c y ] R=\begin{bmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{bmatrix}=\begin{bmatrix} c_yc_z & c_zs_xs_y-c_xs_z & s_xs_z+c_xc_zs_y \\ c_ys_z & c_xc_z+s_xs_ys_z & c_xs_ys_z-c_zs_x \\ -s_y & c_ys_x & c_xc_y \end{bmatrix} R=r11r21r31r12r22r32r13r23r33=cyczcyszsyczsxsycxszcxcz+sxsyszcysxsxsz+cxczsycxsyszczsxcxcy
求解方程,可以有
θ x = a t a n r 32 r 33 \theta_x=atan \frac{r_{32}}{r_{33}} θx=atanr33r32
θ y = a t a n − r 31 r 32 2 + r 33 2 \theta_y=atan \frac{-r_{31}}{\sqrt{r_{32}^2+r_{33}^2}} θy=atanr322+r332 r31
θ z = a t a n r 21 r 11 \theta_z=atan \frac{r_{21}}{r_{11}} θz=atanr11r21
从上面的公式,也可以看出万向锁的问题,比如 r 11 , r 33 r_{11},r_{33} r11r33等于0的时候,公式就无法使用了,所以在由旋转矩阵向欧拉角求解的时候,要注意看对应的矩阵元素是不是为0。

2.3 四元素(Quaternion)

学过CAD的都知道,三维控制可以按照一定的方式投影到二维,那么同理,四维空间也可以通过一样的方式投影到三维。然后,四元素就神奇的产生了。
通常情况下,都会采用单位四元素 q = ω + x i ⇀ + y j ⇀ + z k ⇀ = [ s , V ] q=\omega+x\overrightharpoon{i}+y\overrightharpoon{j}+z \overrightharpoon{k}=[s,V] q=ω+xi +yj +zk =[s,V]来表示旋转,其中
∥ q ∥ = x 2 + y 2 + z 2 + ω 2 = 1 \lVert q \rVert=x^2+y^2+z^2+\omega^2=1 q=x2+y2+z2+ω2=1
具体的四元素相关运算法则,这里就不详细描述了。

2.3.1 由四元素求解旋转矩阵

R ( q ) = [ 1 − 2 y 2 − 2 z 2 2 x y − 2 z w 2 x z + 2 y w 2 x y + 2 z w 1 − 2 x 2 − 2 z 2 2 y z − 2 x w 2 x z − 2 y w 2 y z + 2 x w 1 − 2 x 2 − 2 y 2 ] R(q)=\begin{bmatrix} 1-2y^2-2z^2 & 2xy-2zw & 2xz+2yw \\ 2xy+2zw & 1-2x^2-2z^2 & 2yz-2xw \\ 2xz-2yw & 2yz+2xw & 1-2x^2-2y^2 \end{bmatrix} R(q)=12y22z22xy+2zw2xz2yw2xy2zw12x22z22yz+2xw2xz+2yw2yz2xw12x22y2

2.3.2 由旋转矩阵求解四元素

  • 情况1
    ω = 1 + r 11 + r 22 + r 33 2 \omega=\frac{\sqrt{1+r_{11}+r_{22}+r_{33}}}{2} ω=21+r11+r22+r33
    x = r 32 − r 23 4 ω x=\frac{r_{32}-r_{23}}{4\omega} x=4ωr32r23
    y = r 13 − r 31 4 ω y=\frac{r_{13}-r_{31}}{4\omega} y=4ωr13r31
    z = r 21 − r 12 4 ω z=\frac{r_{21}-r_{12}}{4\omega} z=4ωr21r12
    其中,需要满足 ω ≠ 0 , 1 + r 11 + r 22 + r 33 > 0 \omega\not=0,1+r_{11}+r_{22}+r_{33}>0 ω=0,1+r11+r22+r33>0,即 1 + t r ( R ) > 0 1+tr(R)>0 1+tr(R)>0
  • 情况2
    如果 ω \omega ω趋近于0, t r ( R ) tr(R) tr(R)趋近于 -1,则求解四元素的过程为
    – 情况 2.1 如果 m a x { r 11 , r 22 , r 33 } = r 11 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{11} max{r11,r22,r33}=r11
    t = 1 + r 11 − r 22 − r 33 t=\sqrt{1+r_{11}-r_{22}-r_{33}} t=1+r11r22r33
    ω = r 32 − r 23 t \omega=\frac{r_{32}-r_{23}}{t} ω=tr32r23
    x = t 4 x=\frac{t}{4} x=4t
    y = r 13 + r 31 t y=\frac{r_{13}+r_{31}}{t} y=tr13+r31
    z = r 12 + r 21 t z=\frac{r_{12}+r_{21}}{t} z=tr12+r21
    – 情况 2.2 如果 m a x { r 11 , r 22 , r 33 } = r 22 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{22} max{r11,r22,r33}=r22
    t = 1 − r 11 + r 22 − r 33 t=\sqrt{1-r_{11}+r_{22}-r_{33}} t=1r11+r22r33
    ω = r 13 − r 31 t \omega=\frac{r_{13}-r_{31}}{t} ω=tr13r31
    x = r 12 + r 21 t x=\frac{r_{12}+r_{21}}{t} x=tr12+r21
    y = t 4 y=\frac{t}{4} y=4t
    z = r 32 + r 23 t z=\frac{r_{32}+r_{23}}{t} z=tr32+r23
    – 情况 2.3 如果 m a x { r 11 , r 22 , r 33 } = r 33 max\begin{Bmatrix}{r_{11},r_{22},r_{33}}\end{Bmatrix}=r_{33} max{r11,r22,r33}=r33
    t = 1 − r 11 − r 22 + r 33 t=\sqrt{1-r_{11}-r_{22}+r_{33}} t=1r11r22+r33
    ω = r 21 − r 12 t \omega=\frac{r_{21}-r_{12}}{t} ω=tr21r12
    x = r 13 + r 31 t x=\frac{r_{13}+r_{31}}{t} x=tr13+r31
    y = r 23 − r 32 t y=\frac{r_{23}-r_{32}}{t} y=tr23r32
    z = t 4 z=\frac{t}{4} z=4t

2.4 轴-角(Axis-Angle)

最后在补充一下,轴-角的概念,主要是自己用的不多,然后就不是很熟悉,这里简单记录一下吧!
轴-角(Axis-Angle)顾名思义就可以知道,就是某一坐标系通过围绕某一向量旋转一定角度,从而达到参考系的角度。设定等效旋转的方向向量为 K ⇀ = [ k x , k y , k z ] T \overrightharpoon{K}=\begin{bmatrix}{k_x,k_y,k_z}\end{bmatrix}^T K =[kx,ky,kz]T,等效旋转角为 θ \theta θ,则可以求出对应的四元素:
x = k x ∗ s i n θ 2 x=k_x*sin\frac{\theta}{2} x=kxsin2θ
y = k y ∗ s i n θ 2 y=k_y*sin\frac{\theta}{2} y=kysin2θ
z = k z ∗ s i n θ 2 z=k_z*sin\frac{\theta}{2} z=kzsin2θ
ω = c o s θ 2 \omega=cos\frac{\theta}{2} ω=cos2θ
且有 x 2 + y 2 + z 2 + ω 2 = 1 x^2+y^2+z^2+\omega^2=1 x2+y2+z2+ω2=1

3 坐标系的平移

设定坐标点 A ( x 1 , y 1 , z 1 ) A (x_1,y_1,z_1) A(x1,y1,z1)和坐标点 B ( x 2 , y 2 , z 2 ) B(x_2,y_2,z_2) B(x2,y2,z2),原先两个点都是以参考系为坐标系的,现在将坐标系原点移动到 B B B点(不考虑坐标系的旋转),则点 A A A在以点 B B B为坐标系原点的新坐标系中的坐标为 ( x 1 − x 2 , y 1 − y 2 , z 1 − z 2 ) (x_1-x_2,y_1-y_2,z_1-z_2) (x1x2,y1y2,z1z2)
坐标系的旋转加平移,这样就可以把空间中的任意坐标系重新投影到另一个坐标系中。

这里记录一下踩到的坑,以点 B B B为圆心绕着某个轴逆时针旋转相应的角度,角度为正值,顺时针为负值。但是对于点 A A A来说,角度的正负取值确实相反的。举个栗子说一下,就是以点 B B B为原点的坐标系,绕 z z z轴逆时针旋转了角度 θ \theta θ,对于原点 B B B来说,旋转的角度是正值,但是对于点 A A A来看,坐标系就是按照负角度进行旋转的了,这里尤其需要理解,不然很容易出错,不敢确定的话,就自己找个简单的数据,计算出结果看看,这样最保险!!!

至于不同的表示方式之间的转换方式,自己动手推导一下就行,这里实在是码不动了,公式太难了。。。。。

这篇关于Apollo学习笔记(25)旋转矩阵、欧拉角、四元数理论及其转换关系的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/391974

相关文章

java Long 与long之间的转换流程

《javaLong与long之间的转换流程》Long类提供了一些方法,用于在long和其他数据类型(如String)之间进行转换,本文将详细介绍如何在Java中实现Long和long之间的转换,感... 目录概述流程步骤1:将long转换为Long对象步骤2:将Longhttp://www.cppcns.c

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

在Java中将XLS转换为XLSX的实现方案

《在Java中将XLS转换为XLSX的实现方案》在本文中,我们将探讨传统ExcelXLS格式与现代XLSX格式的结构差异,并为Java开发者提供转换方案,通过了解底层原理、性能优势及实用工具,您将掌握... 目录为什么升级XLS到XLSX值得投入?实际转换过程解析推荐技术方案对比Apache POI实现编程

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

C/C++中OpenCV 矩阵运算的实现

《C/C++中OpenCV矩阵运算的实现》本文主要介绍了C/C++中OpenCV矩阵运算的实现,包括基本算术运算(标量与矩阵)、矩阵乘法、转置、逆矩阵、行列式、迹、范数等操作,感兴趣的可以了解一下... 目录矩阵的创建与初始化创建矩阵访问矩阵元素基本的算术运算 ➕➖✖️➗矩阵与标量运算矩阵与矩阵运算 (逐元

Python使用FFmpeg实现高效音频格式转换工具

《Python使用FFmpeg实现高效音频格式转换工具》在数字音频处理领域,音频格式转换是一项基础但至关重要的功能,本文主要为大家介绍了Python如何使用FFmpeg实现强大功能的图形化音频转换工具... 目录概述功能详解软件效果展示主界面布局转换过程截图完成提示开发步骤详解1. 环境准备2. 项目功能结

使用Python实现网页表格转换为markdown

《使用Python实现网页表格转换为markdown》在日常工作中,我们经常需要从网页上复制表格数据,并将其转换成Markdown格式,本文将使用Python编写一个网页表格转Markdown工具,需... 在日常工作中,我们经常需要从网页上复制表格数据,并将其转换成Markdown格式,以便在文档、邮件或

Python将字符串转换为小写字母的几种常用方法

《Python将字符串转换为小写字母的几种常用方法》:本文主要介绍Python中将字符串大写字母转小写的四种方法:lower()方法简洁高效,手动ASCII转换灵活可控,str.translate... 目录一、使用内置方法 lower()(最简单)二、手动遍历 + ASCII 码转换三、使用 str.tr

Java如何将文件内容转换为MD5哈希值

《Java如何将文件内容转换为MD5哈希值》:本文主要介绍Java如何将文件内容转换为MD5哈希值的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java文件内容转换为MD5哈希值一个完整的Java示例代码代码解释注意事项总结Java文件内容转换为MD5

使用Java将实体类转换为JSON并输出到控制台的完整过程

《使用Java将实体类转换为JSON并输出到控制台的完整过程》在软件开发的过程中,Java是一种广泛使用的编程语言,而在众多应用中,数据的传输和存储经常需要使用JSON格式,用Java将实体类转换为J... 在软件开发的过程中,Java是一种广泛使用的编程语言,而在众多应用中,数据的传输和存储经常需要使用j