Have a Question?

伴随 | Adjoints

You are here:

1 SE(3) 元素的伴随

4 \times 4 的矩阵 T 为 SE(3) 上的变换矩阵:
\mathbf{T}=\left[\begin{array}{cc} \mathbf{R} & \mathbf{t} \\ \mathbf{0}^{T} & 1 \end{array}\right]\tag{1.1}
则有 6 \times 6 的变换矩阵 \mathbf{\mathcal{T}} 可以直接由上述矩阵 4 \times 4 的矩阵 T 构造而成,将其称为 SE(3) 的伴随
\mathbf{\mathcal{T}}=\mathrm{Ad}(\mathbf{T})=\operatorname{Ad}\left(\left[\begin{array}{cc} \mathbf{R} & \mathbf{t} \\ \mathbf{0}^{T} & 1 \end{array}\right]\right)=\left[\begin{array}{cc} \mathbf{R} & \mathbf{t}^{\wedge} \mathbf{R} \\ 0 & \mathbf{R} \end{array}\right]\tag{1.2}
记所有的集合为:
\operatorname{Ad}(S E(3))=\{\mathcal{T}=\operatorname{Ad}(\mathbf{T}) | \mathbf{T} \in S E(3)\}\tag{1.3}
可以证明 \operatorname{Ad}(S E(3)) 依然是一个矩阵李群。

2 \mathfrak{se}(3) 元素的伴随

定义 4 \times 4 的矩阵 \boldsymbol{\Xi}\mathfrak{se}(3) 上的矩阵:
\boldsymbol{\Xi}=\boldsymbol{\xi}^{\wedge}=\left[\begin{array}{l} \boldsymbol{\rho} \\ \boldsymbol{\phi} \end{array}\right]^{\wedge}=\left[\begin{array}{ll} \boldsymbol{\phi}^{\wedge} & \boldsymbol{\rho} \\ \mathbf{0}^{T} & 0 \end{array}\right] \in \mathfrak{se}(3)\tag{2.1}
则同样可以定义 \mathfrak{se}(3) 的伴随为:
\operatorname{ad}(\boldsymbol{\Xi})=\operatorname{ad}\left(\boldsymbol{\xi}^{\wedge}\right)=\boldsymbol{\xi}^{\curlywedge}\tag{2.2}
其中:
\boldsymbol{\xi}^{\curlywedge}=\left[\begin{array}{l} \boldsymbol{\rho} \\ \boldsymbol{\phi} \end{array}\right]^{\curlywedge}=\left[\begin{array}{ll} \boldsymbol{\phi}^{\wedge} & \boldsymbol{\rho}^{\wedge} \\ \mathbf{0} & \boldsymbol{\phi}^{\wedge} \end{array}\right] \in \mathbb{R}^{6 \times 6}, \quad \boldsymbol{\rho}, \boldsymbol{\phi} \in \mathbb{R}^{3}\tag{2.3}

3 指数&对数映射

指数映射
根据上述伴随的定义,可以证明有如下指数映射成立:
\mathcal{T}=\exp \left(\boldsymbol{\xi}^{\curlywedge}\right)=\sum_{n=0}^{\infty} \frac{1}{n !}\left(\boldsymbol{\xi}^{\curlywedge}\right)^{n}\tag{3.1}
其中 \mathcal{T} \in \operatorname{Ad}(S E(3)) \xi \in \mathbb{R}^{6} 即:\xi^{\curlywedge} \in \operatorname{ad}(\mathfrak{se}(3))

对数映射
对应地也有如下对数映射:
\boldsymbol{\xi}=\ln (\boldsymbol{\mathcal { T }})^{\curlyvee}\tag{3.2}

综合起来我们可以得到李群与李代数以及其伴随矩阵之前的映射关系:

以及以下交换律:
\underbrace{\operatorname{Ad}\left(\exp \left(\boldsymbol{\xi}^{\wedge}\right)\right)}_{\mathcal{T}}=\exp (\underbrace{\operatorname{ad}\left(\boldsymbol{\xi}^{\wedge}\right)}_{\xi^{\curlywedge}})\tag{3.3}

参考文献

《STATE ESTIMATION FOR ROBOTICS》

Add a Comment

您的电子邮箱地址不会被公开。 必填项已用*标注

Table of Contents