[足式机器人]Part3 机构运动学与动力学分析与建模 Ch00-3(1) 刚体的位形 Configuration of Rigid Body

本文仅供学习使用,总结很多本现有讲述运动学或动力学书籍后的总结,从矢量的角度进行分析,方法比较传统,但更易理解,并且现有的看似抽象方法,两者本质上并无不同。

2024年底本人学位论文发表后方可摘抄
若有帮助请引用
本文参考:
.

食用方法
如何表达刚体在空间中的位置与姿态
姿态参数如何表达?不同表达方式直接的转换关系?
旋转矩阵?转换矩阵?有什么意义和性质?转置代表什么?
如何表示连续变换?——与RPY有关
齐次坐标的意义——简化公式?
务必自己推导全部公式,并理解每个符号的含义

机构运动学与动力学分析与建模 Ch00-3 刚体的位形 Configuration of Rigid Body Part1

  • 3. 转换矩阵与旋转矩阵——刚体的位置与姿态描述
    • 3.1 轴角变换
    • 3.2 罗德里格变换Rodrigues’ Transform
    • 3.3 方向余弦变换


刚体的位形可以用六个独立(坐标)参数完全描述三个位置参数用于描述运动刚体上运动坐标系 { M } \left\{ M \right\} {M}原点 M M M在固定坐标系 { F } \left\{ F \right\} {F}的投影参数,三个转动参数用于描述运动坐标系 { M } \left\{ M \right\} {M}的基矢量相对于固定坐标系 { F } \left\{ F \right\} {F}的基矢量的姿态,而描述这种姿态的变换,则是需要确定矩阵 [ Q M F ] \left[ Q_{\mathrm{M}}^{F} \right] [QMF]

因此为描述空间坐标系中任意一刚体的运动状态,首先需要描述刚体的位置矢量 R ⃗ M F \vec{R}_{\mathrm{M}}^{F} R MF与姿态矩阵 [ Q M F ] \left[ Q_{\mathrm{M}}^{F} \right] [QMF]

  • 广义参考系坐标 Reference Coordinates:为方便后续动力学方程的建立与推导,常用广义坐标矢量参数 q ⃗ M F \vec{q}_{\mathrm{M}}^{F} q MF来描述运动刚体的形位,其中:
    q ⃗ M F = [ R ⃗ M F , θ ⃗ M F ] \vec{q}_{\mathrm{M}}^{F}=\left[ \vec{R}_{\mathrm{M}}^{F},\vec{\theta}_{\mathrm{M}}^{F} \right] q MF=[R MF,θ MF]
  • θ ⃗ M F \vec{\theta}_{\mathrm{M}}^{F} θ MF可以用多种方法来描述(通常包含3或4个角度参数 ),这些角度参数用于描述矩阵 [ Q M F ] \left[ Q_{\mathrm{M}}^{F} \right] [QMF]

对于刚体的运动状态而言,其运动坐标系的原点 M M M的位置矢量 R ⃗ M F \vec{R}_{\mathrm{M}}^{F} R MF表示与点的运动状态表示相同,因此需要探究如何用角度参数来描述转换矩阵。

3. 转换矩阵与旋转矩阵——刚体的位置与姿态描述

转换矩阵用于表述两个坐标系 { A : ( i ⃗ A , j ⃗ A , k ⃗ A ) } \left\{ A:\left( \vec{i}^A,\vec{j}^A,\vec{k}^A \right) \right\} {A:(i A,j A,k A)} { B : ( i ⃗ B , j ⃗ B , k ⃗ B ) } \left\{ B:\left( \vec{i}^B,\vec{j}^B,\vec{k}^B \right) \right\} {B:(i B,j B,k B)}的基矢量之间的转换关系:
[ i ⃗ B j ⃗ B k ⃗ B ] = [ Q B A ] T [ i ⃗ A j ⃗ A k ⃗ A ] \left[ \begin{array}{c} \vec{i}^B\\ \vec{j}^B\\ \vec{k}^B\\ \end{array} \right] =\left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] i Bj Bk B =[QBA]T i Aj Ak A
其中,转换矩阵 [ Q B A ] T \left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}} [QBA]T表示坐标系 { B } \left\{ B \right\} {B}的基矢量在坐标系 { A } \left\{ A \right\} {A}中的表达,可将向量在不同的基矢量坐标系下进行表示。特殊的:若将基矢量替换成对应基矢量的向量投影,则可以表示为:两个原点重合的坐标系中,对同一向量的不同表达的转换关系;

上式也可以理解为:对坐标系 { A : ( i ⃗ A , j ⃗ A , k ⃗ A ) } \left\{ A:\left( \vec{i}^A,\vec{j}^A,\vec{k}^A \right) \right\} {A:(i A,j A,k A)}进行了 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]的旋转,此时将转换矩阵与向量的运算理解为张量与向量的运算,即得到了旋转后的向量在坐标系 { A } \left\{ A \right\} {A}中的表达,此时实际上,对原始坐标系 { A } \left\{ A \right\} {A}的基矢量同样进行了旋转,形成了新坐标系 { B } \left\{ B \right\} {B}的基矢量,其仍在坐标系 { A } \left\{ A \right\} {A}下表达。

[ r 1 A ′ r 2 A ′ r 3 A ′ ] = [ Q B A ] [ r 1 A r 2 A r 3 A ] \left[ \begin{array}{c} {r_{1}^{A}}^{\prime}\\ {r_{2}^{A}}^{\prime}\\ {r_{3}^{A}}^{\prime}\\ \end{array} \right] =\left[ Q_{\mathrm{B}}^{A} \right] \left[ \begin{array}{c} r_{1}^{A}\\ r_{2}^{A}\\ r_{3}^{A}\\ \end{array} \right] r1Ar2Ar3A =[QBA] r1Ar2Ar3A

目前,人们采用不同的角度参数 θ ⃗ \vec{\theta} θ 来对旋转矩阵进行描述

  • Representing an orientation —— from definition
    将原矢量进行旋转变换,得到该坐标系下新矢量的坐标投影参数:
    R ⃗ p ′ F = [ Q B A ] R ⃗ p F \vec{R}_{\mathrm{p}^{\prime}}^{F}=\left[ Q_{\mathrm{B}}^{A} \right] \vec{R}_{\mathrm{p}}^{F} R pF=[QBA]R pF
  • Changing the reference frame
    对坐标系进行转换,基于坐标系 { B } \left\{ B \right\} {B}中的该矢量的坐标投影参数 R ⃗ p B \vec{R}_{\mathrm{p}}^{B} R pB,得到该矢量在坐标系 { A } \left\{ A \right\} {A}中的坐标投影参数 R ⃗ p A \vec{R}_{\mathrm{p}}^{A} R pA
    R ⃗ p A = [ Q B A ] R ⃗ p B \vec{R}_{\mathrm{p}}^{A}=\left[ Q_{\mathrm{B}}^{A} \right] \vec{R}_{\mathrm{p}}^{B} R pA=[QBA]R pB

3.1 轴角变换

在这里插入图片描述
假设两个坐标系 { A } \left\{ A \right\} {A} { B } \left\{ B \right\} {B}的原点重合,其中坐标系 { B } \left\{ B \right\} {B}为坐标系 { A } \left\{ A \right\} {A}绕轴 v ⃗ F \vec{v}^F v F(单位向量)旋转 θ \theta θ所得到的。因此对于坐标系 { A } \left\{ A \right\} {A}中的点 P P P,经过转换后,得到点 P ′ P^{\prime} P,此时点 P ′ P^{\prime} P在坐标系 { B } \left\{ B \right\} {B}中的矢量投影与点 P P P在坐标系 { A } \left\{ A \right\} {A}中的投影分量相同。而在转换过程中,点 P ′ P^{\prime} P在坐标系 { A } \left\{ A \right\} {A}中的表达发生变化,即有: [ P ′ 1 B , P ′ 2 B , P ′ 2 B ] = [ P 1 A , P 2 A , P 2 A ] \left[ {P^{\prime}}_{1}^{\mathrm{B}},{P^{\prime}}_{2}^{\mathrm{B}},{P^{\prime}}_{2}^{\mathrm{B}} \right] =\left[ P_{1}^{A},P_{2}^{A},P_{2}^{A} \right] [P1B,P2B,P2B]=[P1A,P2A,P2A],因此对式 [ i ⃗ B j ⃗ B k ⃗ B ] = [ Q B A ] T [ i ⃗ A j ⃗ A k ⃗ A ] \left[ \begin{array}{c} \vec{i}^B\\ \vec{j}^B\\ \vec{k}^B\\ \end{array} \right] =\left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] i Bj Bk B =[QBA]T i Aj Ak A 有:
[ i ⃗ B j ⃗ B k ⃗ B ] T [ P 1 B P 2 B P 3 B ] = [ i ⃗ A j ⃗ A k ⃗ A ] T [ P 1 A P 2 A P 3 A ] ⇒ ( [ Q B A ] T [ i ⃗ A j ⃗ A k ⃗ A ] ) T [ P 1 B P 2 B P 3 B ] = [ i ⃗ A j ⃗ A k ⃗ A ] T [ P 1 A P 2 A P 3 A ] ⇒ [ i ⃗ A j ⃗ A k ⃗ A ] T [ Q B A ] [ P 1 B P 2 B P 3 B ] = [ i ⃗ A j ⃗ A k ⃗ A ] T [ P 1 A P 2 A P 3 A ] ⇒ [ Q B A ] [ P 1 B P 2 B P 3 B ] = [ P 1 A P 2 A P 3 A ] = [ P ′ 1 B P ′ 2 B P ′ 3 B ] \begin{split} &\left[ \begin{array}{c} \vec{i}^B\\ \vec{j}^B\\ \vec{k}^B\\ \end{array} \right] ^{\mathrm{T}}\left[ \begin{array}{c} P_{1}^{\mathrm{B}}\\ P_{2}^{\mathrm{B}}\\ P_{3}^{\mathrm{B}}\\ \end{array} \right] =\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] ^{\mathrm{T}}\left[ \begin{array}{c} P_{1}^{A}\\ P_{2}^{A}\\ P_{3}^{A}\\ \end{array} \right] \\ &\Rightarrow \left( \left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] \right) ^{\mathrm{T}}\left[ \begin{array}{c} P_{1}^{\mathrm{B}}\\ P_{2}^{\mathrm{B}}\\ P_{3}^{\mathrm{B}}\\ \end{array} \right] =\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] ^{\mathrm{T}}\left[ \begin{array}{c} P_{1}^{A}\\ P_{2}^{A}\\ P_{3}^{A}\\ \end{array} \right] \\ &\Rightarrow \left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] ^{\mathrm{T}}\left[ Q_{\mathrm{B}}^{A} \right] \left[ \begin{array}{c} P_{1}^{\mathrm{B}}\\ P_{2}^{\mathrm{B}}\\ P_{3}^{\mathrm{B}}\\ \end{array} \right] =\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] ^{\mathrm{T}}\left[ \begin{array}{c} P_{1}^{A}\\ P_{2}^{A}\\ P_{3}^{A}\\ \end{array} \right] \\ &\Rightarrow \left[ Q_{\mathrm{B}}^{A} \right] \left[ \begin{array}{c} P_{1}^{\mathrm{B}}\\ P_{2}^{\mathrm{B}}\\ P_{3}^{\mathrm{B}}\\ \end{array} \right] =\left[ \begin{array}{c} P_{1}^{A}\\ P_{2}^{A}\\ P_{3}^{A}\\ \end{array} \right] =\left[ \begin{array}{c} {P^{\prime}}_{1}^{\mathrm{B}}\\ {P^{\prime}}_{2}^{\mathrm{B}}\\ {P^{\prime}}_{3}^{\mathrm{B}}\\ \end{array} \right] \end{split} i Bj Bk B T P1BP2BP3B = i Aj Ak A T P1AP2AP3A [QBA]T i Aj Ak A T P1BP2BP3B = i Aj Ak A T P1AP2AP3A i Aj Ak A T[QBA] P1BP2BP3B = i Aj Ak A T P1AP2AP3A [QBA] P1BP2BP3B = P1AP2AP3A = P1BP2BP3B
上式写明:坐标系 { B } \left\{ B \right\} {B}中,点 P P P与点 P ′ P^{\prime} P之间的旋转关系。此时 P ′ P^{\prime} P为运动刚体上的固定点,对点 P P P在坐标系 { B } \left\{ B \right\} {B}下的投影参数进行 [ Q B A ] T \left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}} [QBA]T旋转变化所得到的点 P ′ P^{\prime} P在坐标系 { B } \left\{ B \right\} {B}下的投影参数。同时,对于 P P P P ′ P^{\prime} P而言,其在某坐标系下表达的旋转关系是一致的,因此对于: [ Q B A ] [ P 1 A P 2 A P 3 A ] = [ P ′ 1 A P ′ 2 A P ′ 3 A ] \left[ Q_{\mathrm{B}}^{A} \right] \left[ \begin{array}{c} P_{1}^{A}\\ P_{2}^{A}\\ P_{3}^{A}\\ \end{array} \right] =\left[ \begin{array}{c} {P^{\prime}}_{1}^{A}\\ {P^{\prime}}_{2}^{A}\\ {P^{\prime}}_{3}^{A}\\ \end{array} \right] [QBA] P1AP2AP3A = P1AP2AP3A 同样成立。

同理,利用几何关系对图进行分析,进而求得罗德里格旋转公式Rodrigues’ Rotation Formula
R ⃗ p ′ F = R ⃗ p F + ( v ⃗ F × R ⃗ p ′ F ) sin ⁡ θ + 2 [ v ⃗ F × ( v ⃗ F × R ⃗ p ′ F ) ] sin ⁡ 2 θ 2 = R ⃗ p F + v ⃗ ~ F R ⃗ p ′ F sin ⁡ θ + 2 ( v ⃗ ~ F ) 2 R ⃗ p ′ F sin ⁡ 2 θ 2 ⇒ R ⃗ p ′ F = [ E + v ⃗ ~ F sin ⁡ θ + 2 ( v ⃗ ~ F ) 2 sin ⁡ θ 2 ] R ⃗ p F = [ Q B A ] R ⃗ p F \begin{split} &\vec{R}_{\mathrm{p}^{\prime}}^{F}=\vec{R}_{\mathrm{p}}^{F}+\left( \vec{v}^F\times \vec{R}_{\mathrm{p}^{\prime}}^{F} \right) \sin \theta +2\left[ \vec{v}^F\times \left( \vec{v}^F\times \vec{R}_{\mathrm{p}^{\prime}}^{F} \right) \right] \sin ^2\frac{\theta}{2}=\vec{R}_{\mathrm{p}}^{F}+\tilde{\vec{v}}^F\vec{R}_{\mathrm{p}^{\prime}}^{F}\sin \theta +2\left( \tilde{\vec{v}}^F \right) ^2\vec{R}_{\mathrm{p}^{\prime}}^{F}\sin ^2\frac{\theta}{2} \\ &\Rightarrow \vec{R}_{\mathrm{p}^{\prime}}^{F}=\left[ E+\tilde{\vec{v}}^F\sin \theta +2\left( \tilde{\vec{v}}^F \right) ^2\sin \frac{\theta}{2} \right] \vec{R}_{\mathrm{p}}^{F}=\left[ Q_{\mathrm{B}}^{A} \right] \vec{R}_{\mathrm{p}}^{F} \end{split} R pF=R pF+(v F×R pF)sinθ+2[v F×(v F×R pF)]sin22θ=R pF+v ~FR pFsinθ+2(v ~F)2R pFsin22θR pF=[E+v ~Fsinθ+2(v ~F)2sin2θ]R pF=[QBA]R pF

而上式给出了:坐标系 { A } \left\{ A \right\} {A}中,点 P P P与点 P ′ P^{\prime} P之间的转换关系。此时 P P P为运动刚体上的固定点,对点 P P P在坐标系 { A } \left\{ A \right\} {A}下的投影参数进行 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]旋转变化,所得到的点 P ′ P^{\prime} P在坐标系 { A } \left\{ A \right\} {A}下的投影参数。

可见,对于旋转矩阵 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]有三种含义:

  • 原矢量进行旋转变换,得到该坐标系下新矢量的坐标投影参数: R ⃗ p ′ F = [ Q B A ] R ⃗ p F \vec{R}_{\mathrm{p}^{\prime}}^{F}=\left[ Q_{\mathrm{B}}^{A} \right] \vec{R}_{\mathrm{p}}^{F} R pF=[QBA]R pF
  • 坐标系进行转换,基于坐标系 { B } \left\{ B \right\} {B}中的该矢量的坐标投影参数 R ⃗ p B \vec{R}_{\mathrm{p}}^{B} R pB,得到该矢量在坐标系 { A } \left\{ A \right\} {A}中的坐标投影参数 R ⃗ p A \vec{R}_{\mathrm{p}}^{A} R pA R ⃗ p A = [ Q B A ] R ⃗ p B \vec{R}_{\mathrm{p}}^{A}=\left[ Q_{\mathrm{B}}^{A} \right] \vec{R}_{\mathrm{p}}^{B} R pA=[QBA]R pB
  • 坐标系 { A } \left\{ A \right\} {A}中的基矢量在坐标系 { B } \left\{ B \right\} {B}中的表达: [ i ⃗ B j ⃗ B k ⃗ B ] = [ Q B A ] T [ i ⃗ A j ⃗ A k ⃗ A ] \left[ \begin{array}{c} \vec{i}^B\\ \vec{j}^B\\ \vec{k}^B\\ \end{array} \right] =\left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] i Bj Bk B =[QBA]T i Aj Ak A

对罗德里格旋转公式进一步进行变换,将其改写为 [ Q B A ] = E + v ⃗ ~ F sin ⁡ θ + 2 ( v ⃗ ~ F ) 2 ( 1 − cos ⁡ θ ) \left[ Q_{\mathrm{B}}^{A} \right] =E+\tilde{\vec{v}}^F\sin \theta +2\left( \tilde{\vec{v}}^F \right) ^2\left( 1-\cos \theta \right) [QBA]=E+v ~Fsinθ+2(v ~F)2(1cosθ),进而利用泰勒展开式,将旋转矩阵 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]进一步改写:
[ Q B A ] = E + θ v ⃗ ~ F + ( θ ) 2 2 ! ( v ⃗ ~ ) 2 + ( θ ) 3 3 ! ( v ⃗ ~ ) 3 + ⋯ + ( θ ) n n ! ( v ⃗ ~ ) n = e θ v ⃗ ~ \left[ Q_{\mathrm{B}}^{A} \right] =E+\theta \tilde{\vec{v}}^F+\frac{\left( \theta \right) ^2}{2!}\left( \tilde{\vec{v}} \right) ^2+\frac{\left( \theta \right) ^3}{3!}\left( \tilde{\vec{v}} \right) ^3+\cdots +\frac{\left( \theta \right) ^n}{n!}\left( \tilde{\vec{v}} \right) ^n=e^{\theta \tilde{\vec{v}}} [QBA]=E+θv ~F+2!(θ)2(v ~)2+3!(θ)3(v ~)3++n!(θ)n(v ~)n=eθv ~
可将轴角变换的转换矩阵写成指数形式

  • 综合上述推导,可得到轴角变换的旋转矩阵 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]为:
    [ Q B A ] = [ ( v 1 A ) 2 ( 1 − cos ⁡ θ ) + cos ⁡ θ v 1 A v 2 A ( 1 − cos ⁡ θ ) − v 3 A sin ⁡ θ v 1 A v 3 A ( 1 − cos ⁡ θ ) + v 2 A sin ⁡ θ v 1 A v 2 A ( 1 − cos ⁡ θ ) + v 3 A sin ⁡ θ ( v 2 A ) 2 ( 1 − cos ⁡ θ ) + cos ⁡ θ v 2 A v 3 A ( 1 − cos ⁡ θ ) − v 1 A sin ⁡ θ v 1 A v 3 A ( 1 − cos ⁡ θ ) − v 2 A sin ⁡ θ v 2 A v 3 A ( 1 − cos ⁡ θ ) + v 1 A sin ⁡ θ ( v 3 A ) 2 ( 1 − cos ⁡ θ ) + cos ⁡ θ ] \left[ Q_{\mathrm{B}}^{A} \right] =\left[ \begin{matrix} \left( v_{1}^{A} \right) ^2\left( 1-\cos \theta \right) +\cos \theta& v_{1}^{A}v_{2}^{A}\left( 1-\cos \theta \right) -v_{3}^{A}\sin \theta& v_{1}^{A}v_{3}^{A}\left( 1-\cos \theta \right) +v_{2}^{A}\sin \theta\\ v_{1}^{A}v_{2}^{A}\left( 1-\cos \theta \right) +v_{3}^{A}\sin \theta& \left( v_{2}^{A} \right) ^2\left( 1-\cos \theta \right) +\cos \theta& v_{2}^{A}v_{3}^{A}\left( 1-\cos \theta \right) -v_{1}^{A}\sin \theta\\ v_{1}^{A}v_{3}^{A}\left( 1-\cos \theta \right) -v_{2}^{A}\sin \theta& v_{2}^{A}v_{3}^{A}\left( 1-\cos \theta \right) +v_{1}^{A}\sin \theta& \left( v_{3}^{A} \right) ^2\left( 1-\cos \theta \right) +\cos \theta\\ \end{matrix} \right] [QBA]= (v1A)2(1cosθ)+cosθv1Av2A(1cosθ)+v3Asinθv1Av3A(1cosθ)v2Asinθv1Av2A(1cosθ)v3Asinθ(v2A)2(1cosθ)+cosθv2Av3A(1cosθ)+v1Asinθv1Av3A(1cosθ)+v2Asinθv2Av3A(1cosθ)v1Asinθ(v3A)2(1cosθ)+cosθ

  • 同理对于任意一已知旋转矩阵 [ Q B A ] = [ q 11 q 12 q 13 q 21 q 22 q 23 q 31 q 32 q 33 ] \left[ Q_{\mathrm{B}}^{A} \right] =\left[ \begin{matrix} q_{11}& q_{12}& q_{13}\\ q_{21}& q_{22}& q_{23}\\ q_{31}& q_{32}& q_{33}\\ \end{matrix} \right] [QBA]= q11q21q31q12q22q32q13q23q33 ,可计算出其轴角参数:
    θ = a r c cos ⁡ ( q 11 + q 22 + q 33 − 1 2 ) v ⃗ F = 1 2 sin ⁡ θ [ q 32 − q 23 q 13 − q 31 q 21 − q 12 ] \begin{split} \theta &=\mathrm{arc}\cos \left( \frac{q_{11}+q_{22}+q_{33}-1}{2} \right) \\ \vec{v}^F&=\frac{1}{2\sin \theta}\left[ \begin{array}{c} q_{32}-q_{23}\\ q_{13}-q_{31}\\ q_{21}-q_{12}\\ \end{array} \right] \end{split} θv F=arccos(2q11+q22+q331)=2sinθ1 q32q23q13q31q21q12

3.2 罗德里格变换Rodrigues’ Transform

结合上节所述内容,定义罗德里格参数Rodriguez Paremeters为:
γ ⃗ F = v ⃗ F tan ⁡ θ 2 = [ v 1 F v 2 F v 3 F ] tan ⁡ θ 2 = [ γ 1 F γ 2 F γ 3 F ] \vec{\gamma}^F=\vec{v}^F\tan \frac{\theta}{2}=\left[ \begin{array}{c} v_{1}^{F}\\ v_{2}^{F}\\ v_{3}^{F}\\ \end{array} \right] \tan \frac{\theta}{2}=\left[ \begin{array}{c} \gamma _{1}^{F}\\ \gamma _{2}^{F}\\ \gamma _{3}^{F}\\ \end{array} \right] γ F=v Ftan2θ= v1Fv2Fv3F tan2θ= γ1Fγ2Fγ3F

进而将罗德里格旋转公式改写为:
[ Q M F ] = E + 2 1 + ( γ ) 2 ( γ ⃗ ~ F + ( γ ⃗ ~ F ) 2 ) , γ = ( γ ⃗ ~ F ) T γ ⃗ ~ F = tan ⁡ 2 θ 2 \left[ Q_{\mathrm{M}}^{F} \right] =E+\frac{2}{1+\left( \gamma \right) ^2}\left( \tilde{\vec{\gamma}}^F+\left( \tilde{\vec{\gamma}}^F \right) ^2 \right) ,\gamma =\left( \tilde{\vec{\gamma}}^F \right) ^{\mathrm{T}}\tilde{\vec{\gamma}}^F=\tan ^2\frac{\theta}{2} [QMF]=E+1+(γ)22(γ ~F+(γ ~F)2),γ=(γ ~F)Tγ ~F=tan22θ

而罗德里格变换的旋转矩阵 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]为:
[ Q B A ] = [ 1 + ( γ 1 F ) 2 − ( γ 2 F ) 2 − ( γ 3 F ) 2 2 ( γ 1 F γ 2 F − γ 3 F ) 2 ( γ 1 F γ 3 F + γ 2 F ) 2 ( γ 1 F γ 2 F + γ 3 F ) 1 − ( γ 1 F ) 2 + ( γ 2 F ) 2 − ( γ 3 F ) 2 2 ( γ 2 F γ 3 F − γ 1 F ) 2 ( γ 1 F γ 3 F − γ 2 F ) 2 ( γ 2 F γ 3 F + γ 1 F ) 1 − ( γ 1 F ) 2 − ( γ 2 F ) 2 + ( γ 3 F ) 2 ] \left[ Q_{\mathrm{B}}^{A} \right] =\left[ \begin{matrix} 1+\left( \gamma _{1}^{F} \right) ^2-\left( \gamma _{2}^{F} \right) ^2-\left( \gamma _{3}^{F} \right) ^2& 2\left( \gamma _{1}^{F}\gamma _{2}^{F}-\gamma _{3}^{F} \right)& 2\left( \gamma _{1}^{F}\gamma _{3}^{F}+\gamma _{2}^{F} \right)\\ 2\left( \gamma _{1}^{F}\gamma _{2}^{F}+\gamma _{3}^{F} \right)& 1-\left( \gamma _{1}^{F} \right) ^2+\left( \gamma _{2}^{F} \right) ^2-\left( \gamma _{3}^{F} \right) ^2& 2\left( \gamma _{2}^{F}\gamma _{3}^{F}-\gamma _{1}^{F} \right)\\ 2\left( \gamma _{1}^{F}\gamma _{3}^{F}-\gamma _{2}^{F} \right)& 2\left( \gamma _{2}^{F}\gamma _{3}^{F}+\gamma _{1}^{F} \right)& 1-\left( \gamma _{1}^{F} \right) ^2-\left( \gamma _{2}^{F} \right) ^2+\left( \gamma _{3}^{F} \right) ^2\\ \end{matrix} \right] [QBA]= 1+(γ1F)2(γ2F)2(γ3F)22(γ1Fγ2F+γ3F)2(γ1Fγ3Fγ2F)2(γ1Fγ2Fγ3F)1(γ1F)2+(γ2F)2(γ3F)22(γ2Fγ3F+γ1F)2(γ1Fγ3F+γ2F)2(γ2Fγ3Fγ1F)1(γ1F)2(γ2F)2+(γ3F)2

  • 罗德里格参数与欧拉参数的转换
    [ γ 1 F γ 2 F γ 3 F ] = [ q 2 q 1 q 3 q 1 q 4 q 1 ] \left[ \begin{array}{c} {\gamma _1}^F\\ {\gamma _2}^F\\ {\gamma _3}^F\\ \end{array} \right] =\left[ \begin{array}{c} \frac{q_2}{q_1}\\ \frac{q_3}{q_1}\\ \frac{q_4}{q_1}\\ \end{array} \right] γ1Fγ2Fγ3F = q1q2q1q3q1q4

[ q 1 q 2 q 3 q 4 ] = [ 1 1 + γ 2 γ 1 F 1 + γ 2 γ 2 F 1 + γ 2 γ 3 F 1 + γ 2 ] \left[ \begin{array}{c} q_1\\ q_2\\ q_3\\ q_4\\ \end{array} \right] =\left[ \begin{array}{c} \frac{1}{\sqrt{1+\gamma ^2}}\\ \frac{{\gamma _1}^F}{\sqrt{1+\gamma ^2}}\\ \frac{{\gamma _2}^F}{\sqrt{1+\gamma ^2}}\\ \frac{{\gamma _3}^F}{\sqrt{1+\gamma ^2}}\\ \end{array} \right] q1q2q3q4 = 1+γ2 11+γ2 γ1F1+γ2 γ2F1+γ2 γ3F

3.3 方向余弦变换

由上节可知,转换矩阵 [ Q B A ] \left[ Q_{\mathrm{B}}^{A} \right] [QBA]表示坐标系 { B } \left\{ B \right\} {B}中的基矢量在坐标系 { A } \left\{ A \right\} {A}中的表达,即:
[ i ⃗ B j ⃗ B k ⃗ B ] = [ Q B A ] T [ i ⃗ A j ⃗ A k ⃗ A ] = [ q 11 q 12 q 13 q 21 q 22 q 23 q 31 q 32 q 33 ] T [ i ⃗ A j ⃗ A k ⃗ A ] \left[ \begin{array}{c} \vec{i}^B\\ \vec{j}^B\\ \vec{k}^B\\ \end{array} \right] =\left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] =\left[ \begin{matrix} q_{11}& q_{12}& q_{13}\\ q_{21}& q_{22}& q_{23}\\ q_{31}& q_{32}& q_{33}\\ \end{matrix} \right] ^{\mathrm{T}}\left[ \begin{array}{c} \vec{i}^A\\ \vec{j}^A\\ \vec{k}^A\\ \end{array} \right] i Bj Bk B =[QBA]T i Aj Ak A = q11q21q31q12q22q32q13q23q33 T i Aj Ak A

进而将转换矩阵内的元素展开:
[ Q B A ] T = [ i ⃗ A ⋅ i ⃗ B j ⃗ A ⋅ i ⃗ B k ⃗ A ⋅ i ⃗ B i ⃗ A ⋅ j ⃗ B j ⃗ A ⋅ j ⃗ B k ⃗ A ⋅ j ⃗ B i ⃗ A ⋅ k ⃗ B j ⃗ A ⋅ k ⃗ B k ⃗ A ⋅ k ⃗ B ] \left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}=\left[ \begin{matrix} \vec{i}^A\cdot \vec{i}^B& \vec{j}^A\cdot \vec{i}^B& \vec{k}^A\cdot \vec{i}^B\\ \vec{i}^A\cdot \vec{j}^B& \vec{j}^A\cdot \vec{j}^B& \vec{k}^A\cdot \vec{j}^B\\ \vec{i}^A\cdot \vec{k}^B& \vec{j}^A\cdot \vec{k}^B& \vec{k}^A\cdot \vec{k}^B\\ \end{matrix} \right] [QBA]T= i Ai Bi Aj Bi Ak Bj Ai Bj Aj Bj Ak Bk Ai Bk Aj Bk Ak B
进一步观察,可以将该矩阵转化为:
[ Q B A ] T = [ i ⃗ A ⋅ i ⃗ B j ⃗ A ⋅ i ⃗ B k ⃗ A ⋅ i ⃗ B i ⃗ A ⋅ j ⃗ B j ⃗ A ⋅ j ⃗ B k ⃗ A ⋅ j ⃗ B i ⃗ A ⋅ k ⃗ B j ⃗ A ⋅ k ⃗ B k ⃗ A ⋅ k ⃗ B ] = [ Q B i A Q B j A Q B k A ] = [ Q A i B Q A j B Q A k B ] \left[ Q_{\mathrm{B}}^{A} \right] ^{\mathrm{T}}=\left[ \begin{matrix} \vec{i}^A\cdot \vec{i}^B& \vec{j}^A\cdot \vec{i}^B& \vec{k}^A\cdot \vec{i}^B\\ \vec{i}^A\cdot \vec{j}^B& \vec{j}^A\cdot \vec{j}^B& \vec{k}^A\cdot \vec{j}^B\\ \vec{i}^A\cdot \vec{k}^B& \vec{j}^A\cdot \vec{k}^B& \vec{k}^A\cdot \vec{k}^B\\ \end{matrix} \right] =\left[ \begin{matrix} Q_{\mathrm{Bi}}^{A}& Q_{\mathrm{Bj}}^{A}& Q_{\mathrm{Bk}}^{A}\\ \end{matrix} \right] =\left[ \begin{array}{c} Q_{\mathrm{Ai}}^{B}\\ Q_{\mathrm{Aj}}^{B}\\ Q_{\mathrm{Ak}}^{B}\\ \end{array} \right] [QBA]T= i Ai Bi Aj Bi Ak Bj Ai Bj Aj Bj Ak Bk Ai Bk Aj Bk Ak B =[QBiAQBjAQBkA]= QAiBQAjBQAkB
其中, [ Q B i A Q B j A Q B k A ] \left[ \begin{matrix} Q_{\mathrm{Bi}}^{A}& Q_{\mathrm{Bj}}^{A}& Q_{\mathrm{Bk}}^{A}\\ \end{matrix} \right] [QBiAQBjAQBkA]中,每一项表示坐标系 { B } \left\{ B \right\} {B}中的基矢量在坐标系 { A } \left\{ A \right\} {A}下的表达,而 [ Q A i B Q A j B Q A k B ] . \left[ \begin{array}{c} Q_{\mathrm{Ai}}^{B}\\ Q_{\mathrm{Aj}}^{B}\\ Q_{\mathrm{Ak}}^{B}\\ \end{array} \right] . QAiBQAjBQAkB .中,每一项表示坐标系 { A } \left\{ A \right\} {A}中的基矢量在坐标系 { B } \left\{ B \right\} {B}下的表达。因此该形式的矩阵被称为方向余弦矩阵Direction Cosine Matrix

1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/309374.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

接口测试管理续集

今天应大家需要,接着谈app端数据返回层面的用例设计方法。第二部分给大家安利一个“接口管理平台”,以帮助大家解决接口文档维护、接口测试数据Mock、接口自动化测试等问题。希望对小伙伴们有用。 言归正传,进入今天的话题。 一、用例设计 …

【大数据OLAP引擎】StartRocks存算分离

存算分离的原因 降低存储成本:同样的存储大小对象存储价格只有SSD的1/10,所以号称存储成本降低80%不是吹的。 存算一体到存算分离 存算一体 作为 MPP 数据库的典型代表,StarRocks 3.0 版本之前使用存算一体 (shared-nothing) 架构&#xf…

Flink任务实战优化

前言:一个好产品,功能应该尽量包装在服务内部;对于Flink而言,无疑是做到了这一点。但是用户在使用Flink的时候,依然可以从版本的选择、代码逻辑、资源参数、业务的数据情况等方面做任务级的定制化优化;用最…

OpenMv颜色识别

本文旨在分享OpenMv实现数字识别并通过串口打印出来的工程源码。如果大家想将识别的结果传给单片机,即OpenMv与单片机之间的通信,可以参考以下文章: OpenMV与STM32之间的通信(附源码)_openmv与stm32串口-CSDN博客 ​​…

webpack学习笔记

为什么要使用Webpack webpack是一个用于现代JavaScript应用程序的静态模块打包工具。在webpack里一切文件皆模块,通过loader转换文件,通过plugin注入钩子,最后输出由多个模块组合成的文件,webpack专注构建模块化项目。 webPack可以…

HTTPS详解及openssl简单使用

本文介绍https传输协议中涉及的概念,流程,算法,如何实现等相关内容。 HTTP传输过程 HTTP 之所以被 HTTPS 取代,最大的原因就是不安全,至于为什么不安全,看了下面这张图就一目了然了 HTTP 在传输数据的过程…

pulsar的架构与特性记录

一、什么是云原生 云原生的概念是2013年Matt Stine提出的,到目前为止,云原生的概念发生了多次变更,目前最新对云原生定义为: Devps持续交付微服务容器 而符合云原生架构的应用程序是: 采用开源堆栈(K8SDocker)进行容器化,基于微服务架构提高灵…

java.net.ConnectException: Connection refused: connect已解决

🥚今日鸡汤🥚 要有最朴素的生活和最遥远的梦想,即使明天天寒地冻,山高水远,路远马亡。 —— 《枫》 遇见问题莫着急,着急也没用~😶‍🌫️ 目录 🧂1.令人发麻的问题 &am…

vue/vue3/js来动态修改我们的界面浏览器上面的文字和图标

前言&#xff1a; 整理vue/vue3项目中修改界面浏览器上面的文字和图标的方法。 效果&#xff1a; vue2/vue3: 默认修改 public/index.html index.html <!DOCTYPE html> <html lang"en"><head><link rel"icon" type"image/sv…

Logstash:迁移数据到 Elasticsearch

在生产环境中&#xff0c;不使用 Apache Kafka 等流平台进行数据迁移并不是一个好的做法。 在这篇文章中&#xff0c;我们将详细探讨 Apache Kafka 和 Logstash 的关系。 但首先让我们简单了解一下 Apache Kafka 的含义。 Apache Kafka 是分布式流平台&#xff0c;擅长实时数据…

Qt QRadioButton单选按钮控件

文章目录 1 属性和方法1.1 文本1.2 选中状态1.3 自动排他1.4 信号和槽 2 实例2.1 布局2.2 代码实现 Qt中的单选按钮类是QRadioButton它是一个可以切换选中&#xff08;checked&#xff09;或未选中&#xff08;unchecked&#xff09;状态的单选按钮单选按钮常用在“多选一”的场…

【Python学习】Python学习12-字典

目录 【Python学习】Python学习12-字典 前言创建语法访问列表中的值修改与新增字典删除字典元素Python字典内置函数&方法参考 文章所属专区 Python学习 前言 本章节主要说明Python的字典&#xff0c;是可变的容器&#xff0c;每个字典由键值对组成用冒号隔开&#xff0c;…

预训练中文GPT2(包括重新训练tokenizer)

训练数据 1.json后缀的文件 2.数据是json line格式&#xff0c;一行一条json 3. json结构如下 {"content": "①北京和上海户籍的游客可获得韩国多次签证&#xff1b;②“整容客”可以不经由韩国使领馆、直接在网上申请签证&#xff1b;③中泰免签的实施日期…

SpringBoot中使用单例模式+ScheduledExecutorService实现异步多线程任务(若依源码学习)

场景 若依前后端分离版手把手教你本地搭建环境并运行项目&#xff1a; 若依前后端分离版手把手教你本地搭建环境并运行项目_本地运行若依前后端分离-CSDN博客 设计模式-单例模式-饿汉式单例模式、懒汉式单例模式、静态内部类在Java中的使用示例&#xff1a; 设计模式-单例模…

Android SDK环境搭建[图解]; 解决问题Done. Nothing was installed.

安装SDK Android SDK环境搭建 依赖java环境,需要自备Java环境 (100%实操成功) 目录 1. 解压&#xff1a;解压到非中文无特殊字符的目录 2. 双击&#xff1a;SDK Manager.exe&#xff0c;不要选全部!不要选全部!不要选全部!(会下很久) 3. 然后勾选组件​ 4. 设置环境变量 …

安装ubuntu22.04系统,GPU驱动,cuda,cudnn,python环境,pycharm

需要准备一个u盘&#xff0c;需要格式化&#xff0c;且内存不小于8g 1 下载ubuntu镜像 下载链接&#xff1a; https://cn.ubuntu.com/download/desktop 2下载rufus Rufus - 轻松创建 USB 启动盘Rufus: Create bootable USB drives the easy wayhttps://rufus.ie/zh/ 准备好这…

用Linux的视角来理解缓冲区概念

缓冲区的认识 缓冲区&#xff08;buffer&#xff09;是存储数据的临时存储区域。当我们用C语言向文件中写入数据时&#xff0c;数据并不会直接的写到文件中&#xff0c;中途还经过了缓冲区&#xff0c;而我们需要对缓冲区的数据进行刷新&#xff0c;那么数据才算写到文件当中。…

STL之list

目录 list定义和结构 list容器模板接受两个参数&#xff1a; list容器的特点 双向性 动态大小 不连续存储 实例 代码输出 需要注意的点 list常用函数 代码示例 list定义和结构 list的使用频率不高&#xff0c;在做题时极少遇到需要使用list的情景。 list是一种双向…

LeetCode 232.用栈实现队列(详解) (๑•̌.•๑)

题目描述&#xff1a; 解题思路&#xff1a; 创建两个栈&#xff0c;一个用于入数据&#xff0c;一个用于出数据。分别是pushST和popST; 1.如果是入数据就直接入进pushST 2.如果是出数据&#xff0c;先检查popST中有无数据&#xff0c;如果有数据&#xff0c;就直接出。如果没…

Xcode15 升级问题记录

这里写自定义目录标题 新版本Xcode15升级问题1&#xff1a;rsync error: some files could not be transferred (code 23) at ...参考 新版本Xcode15升级 下载地址&#xff1a;https://developer.apple.com/download/all/ 我目前使用的版本是Xcode15.2 我新创建了一个项目&…