[论文解读] A Primer on the Differential Calculus of 3D Orientations

Michael Bloesch, Hannes Sommer+9 more|arXiv (Cornell University)|Jun 16, 2016

Advanced Numerical Analysis Techniques被引用 30

一句话总结

本文提出了一种基于 SO(3) 上的指数映射与李群理论的、与表示无关的、最小化微分微积分方法，用于处理三维方向，可在机器人学与工程领域实现鲁棒且高效的优化。该文推导了方向导数与相对方向的关键恒等式，重点在于避免优化系统中因奇点与参数化伪影带来的问题。

ABSTRACT

The proper handling of 3D orientations is a central element in many optimization problems in engineering. Unfortunately many researchers and engineers struggle with the formulation of such problems and often fall back to suboptimal solutions. The existence of many different conventions further complicates this issue, especially when interfacing multiple differing implementations. This document discusses an alternative approach which makes use of a more abstract notion of 3D orientations. The relative orientation between two coordinate systems is primarily identified by the coordinate mapping it induces. This is combined with the standard exponential map in order to introduce representation-independent and minimal differentials, which are very convenient in optimization based methods.

研究动机与目标

• 解决工程师与研究人员在处理涉及三维方向的优化问题时普遍面临的困难，这些困难源于不一致的惯例与次优的表示方法。
• 提供一个统一的、与表示无关的框架，利用特殊正交群 SO(3) 与指数映射处理三维方向微分。
• 在 SO(3) 的切空间中实现最小化、内在化的微分，以提升优化流水线中的数值稳定性和效率。
• 通过抽象化参数化相关的伪影（如欧拉角、四元数），促进不同实现之间的统一接口。

提出的方法

• 将三维方向定义为 SO(3) 中的坐标映射变换，脱离四元数或旋转矩阵等具体参数化方式。
• 利用指数映射将李代数 so(3)（角速度向量）与 SO(3) 旋转关联，实现平滑的微分微积分。
• 推导并应用矩阵指数恒等式 $ \boldsymbol{C}(\boldsymbol{\varphi}) = e^{\boldsymbol{\varphi}^\times} $，将向量表示与旋转矩阵联系起来。
• 引入切空间微分 $ \boldsymbol{\Gamma}(\boldsymbol{\varphi}) $，作为方向更新的最小化、与表示无关的雅可比矩阵。
• 通过 SO(3) 上的伴随作用与链式法则，建立相对方向导数的恒等式，确保在复合运算下的一致性。
• 通过一个实际的 IMU 运动学模型验证该框架，展示其在真实世界优化任务中的实用性。

实验结果

研究问题

• RQ1 如何以一种与参数化无关且维度最小化的方式表述三维方向微分？
• RQ2 在 SO(3) 中计算方向复合导数的正确数学恒等式是什么？
• RQ3 如何利用指数映射推导出在机器人学优化中具有一致性与数值稳定性的微分？
• RQ4 伴随表示在李理论框架下，如何实现角速度在不同坐标系之间的变换？
• RQ5 所提出的形式化方法如何应用于建模与优化运动学系统中 IMU 的动力学？

主要发现

• 本文推导出恒等式 $ \boldsymbol{C}(\boldsymbol{\varphi}) = e^{\boldsymbol{\varphi}^\times} $，表明任意旋转矩阵均可由从三维向量导出的反对称矩阵的指数生成。
• 确立了旋转矩阵关于旋转向量的微分表达式为 $ \boldsymbol{\Gamma}(\boldsymbol{\varphi}) = \frac{(\boldsymbol{I} - \boldsymbol{C}(\boldsymbol{\varphi}))\boldsymbol{\varphi}^\times + \boldsymbol{\varphi}\boldsymbol{\varphi}^T}{\|\boldsymbol{\varphi}\|^2} $，该表达式为最小化且与表示无关。
• 伴随作用满足 $ \exp(\Phi(\boldsymbol{\varphi})) = \Phi \circ \exp(\boldsymbol{\varphi}) \circ \Phi^{-1} $，证实其在坐标系变换下的一致性。
• 该框架能够正确且稳定地对优化中的方向链进行微分，避免了欧拉角参数化中常见的奇点问题。
• 理论推导通过 IMU 运动学模型得到验证，展示了其在状态估计与优化中的实际适用性。