일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
- deformable KPConv
- PointNet
- 부자 아빠 가난한 아빠
- SLAMKR
- C++
- FeatureMatching
- KPConv
- point cloud
- 2 포인터 알고리즘
- 코딩테스트
- 입문 Visual SLAM
- 경제 공부
- 코딩 테스트
- rigid KPConv
- OpenCV 모듈
- 제 6장
- 코딩테스트 공부
- logarithm mapping
- Raspberry Pi
- 백준 1253번
- PointNet++
- TURTLEBOT3
- ros2
- OpenCV
- exponential mapping
- 논문 리뷰
- visual slam
- Docker
- IMAGE
- Slam
- Today
- Total
꿈꾸는 개발자
입문 Visual SLAM 제 4장 실습 코드 중국어 주석 번역 본문
출처 : https://docs.google.com/document/d/1icPjUyT3nPvjZ1OVMtWp9afUtuJ4gXLJL-ex7A9FpNs
입문 Visual SLAM 책을 공부하면서 실습 코드를 직접 하나씩 돌려보고 있는데, 실습 코드에서의 추가적인 이해를 위해 주석이 중국어로 되어있어서 주석을 구글 번역을 이용해 한국어로 번역했다.
제 4장은 Lie 군과 Lie 대수에 대한 내용과 지수/로그 맵핑에 대한 내용, 섭동 모델에 대한 내용이였다.
나중에 제 4장은 따로 하나씩 정리해가면서 수식에 대한 이해를 조금 더 높이도록 하겠다.
Lie 군과 Lie 대수의 지수/로그 맵핑을 위해 Sophus라는 라이브러리를 사용하는데, 해당 라이브러리에는 Lie 군, Lie 대수 및 지수/로그 맵핑에 대한 내용들이 정리가 되어있다.
SLAMKR에서 해당 책을 가지고 만든 스터디 영상 제 4장에 대한 내용도 있다.
책을 읽은 후 유튜브 영상까지 활용하면 더욱 이해가 잘 갔다.
Lie 군과 Lie 대수 지수/로그 맵핑 : https://www.youtube.com/watch?v=_uLRPqjdHjk&list=PLubUquiqNQdOTNocmWCSWk9ZaWhV7ubCD&index=6
Lie 대수 미분과 섭동 모델, 비선형 최적화 방법 : https://www.youtube.com/watch?v=fFn8EfHgWfc&list=PLubUquiqNQdOTNocmWCSWk9ZaWhV7ubCD&index=7
ch4/useSophus에 대한 실습코드는 다음과 같다.
#include <iostream>
#include <cmath>
using namespace std;
#include <Eigen/Core>
#include <Eigen/Geometry>
#include "sophus/so3.h"
#include "sophus/se3.h"
int main( int argc, char** argv )
{
// Z축을 따라 90도 회전 행렬
Eigen::Matrix3d R = Eigen::AngleAxisd(M_PI/2, Eigen::Vector3d(0,0,1)).toRotationMatrix(); // Z축을 중심으로 90도 회전한 회전 벡터를 생성 후 회전행렬로 변환
Sophus::SO3 SO3_R(R); // Sophus::SO(3)는 회전 행렬에서 직접 구성할 수 있습니다.
Sophus::SO3 SO3_v(0, 0, M_PI / 2); // 회전 벡터에서 구성할 수도 있습니다.
Eigen::Quaterniond q(R); // 또는 쿼터니언
Sophus::SO3 SO3_q( q );
// 위의 표현은 모두 동일합니다.
// SO(3)이 출력되면 so(3)과 같이 출력된다.
cout<<"SO(3) from matrix: "<<SO3_R<<endl;
cout<<"SO(3) from vector: "<<SO3_v<<endl;
cout<<"SO(3) from quaternion :"<<SO3_q<<endl;
// 로그 맵을 사용하여 Lie 대수를 얻습니다.
Eigen::Vector3d so3 = SO3_R.log();
cout<<"so3 = "<<so3.transpose()<<endl;
// ^는 반대칭 행렬에 대한 벡터입니다.
cout<<"so3 hat=\n"<<Sophus::SO3::hat(so3)<<endl;
// 대조적으로, vee는 벡터에 대해 반대칭입니다.
cout << "so3 hat vee= " << Sophus::SO3::vee(Sophus::SO3::hat(so3)).transpose() << endl; // Transpose는 순전히 아름다운 출력을 위한 것입니다.
// 증분 섭동 모델 업데이트
Eigen::Vector3d update_so3(1e-4, 0, 0); //업데이트의 양이 다음과 같다고 가정합니다.
Sophus::SO3 SO3_updated = Sophus::SO3::exp(update_so3)*SO3_R;
cout<<"SO3 updated = "<<SO3_updated<<endl;
/********************귀여운 구분선*****************************/
cout << "************구분선*************" << endl;
// SE(3)에 대한 작업은 유사합니다.
Eigen::Vector3d t(1, 0, 0); // X축을 따라 1씩 이동
Sophus::SE3 SE3_Rt(R, t); // R,t에서 SE(3) 구성
Sophus::SE3 SE3_qt(q, t); // q,t에서 SE(3) 구성
cout<<"SE3 from R,t= "<<endl<<SE3_Rt<<endl;
cout<<"SE3 from q,t= "<<endl<<SE3_qt<<endl;
// Lie 대수 se(3)는 편의를 위해 6차원 벡터입니다.
typedef Eigen::Matrix<double,6,1> Vector6d;
Vector6d se3 = SE3_Rt.log();
cout<<"se3 = "<<se3.transpose()<<endl;
// 출력을 관찰하면 Sophus에서 se(3)의 변환이 앞에 있고 회전이 뒤에 있음을 알 수 있습니다.
// 마찬가지로 두 개의 연산자 hat과 vee가 있습니다.
cout<<"se3 hat = "<<endl<<Sophus::SE3::hat(se3)<<endl;
cout<<"se3 hat vee = "<<Sophus::SE3::vee( Sophus::SE3::hat(se3) ).transpose()<<endl;
// 마지막으로 업데이트 시연
Vector6d update_se3; //업데이트 금액
update_se3.setZero();
update_se3(0,0) = 1e-4d;
Sophus::SE3 SE3_updated = Sophus::SE3::exp(update_se3)*SE3_Rt;
cout<<"SE3 updated = "<<endl<<SE3_updated.matrix()<<endl;
return 0;
}
실행 결과는 다음과 같다.
'SLAM' 카테고리의 다른 글
리 군과 리 대수(Lie Group, Lie Algebra) (0) | 2024.01.18 |
---|---|
입문 Visual SLAM 제 6장 실습 코드 중국어 주석 번역 (0) | 2022.12.05 |
입문 Visual SLAM 제 5장 실습 코드 중국어 주석 번역 (2) | 2022.12.01 |
입문 Visual SLAM 제 3장 공부 (0) | 2022.11.29 |
SLAM 개발자를 위한 공부 - 1 (0) | 2022.10.24 |