Eigen::區域性座標系和base座標系轉換
阿新 • • 發佈:2019-01-05
"越有故事的人越沉靜簡單,越膚淺單薄的人越浮躁不安!"
無論是做SLAM還是感測器標定,離不開的是座標之間的轉換關係
Eigen 一個開源的C++矩陣運算庫
perfect~
言歸正傳:
使用Eigen庫進行空間座標的轉換。
1.base座標系->區域性座標系
已知p1 和p2求 t12
假設感測器在base座標系下p1處的位姿為(x,y,z,θ)=(1,1,0,0)
在base座標系下p2處的位姿為(x,y,z,θ)=(2,2,0,45)
求p1 和p2之間的轉換關係 t12 簡單表示為(1,1,0,45)。
/* * 2019年01月04日 */ #include <Eigen/Core> #include <Eigen/Dense> #include <Eigen/Geometry> #include <Eigen/StdVector> #include<iostream> using namespace std; int main() { //1.p1 world position double p1a=0; double p1x=1; double p1y=1; Eigen::AngleAxisd rotzp1(p1a*M_PI/180, Eigen::Vector3d::UnitZ()); Eigen::Matrix3d rotp1 = rotzp1.toRotationMatrix(); Eigen::Isometry3d p1; p1 = rotp1; p1.translation() = Eigen::Vector3d(p1x,p1y, 0); //2.p2 world positon double p2a=45; double p2x=2; double p2y=2; Eigen::AngleAxisd rotzp2(p2a*M_PI/180, Eigen::Vector3d::UnitZ()); Eigen::Matrix3d rotp2 = rotzp2.toRotationMatrix(); Eigen::Isometry3d p2; p2 = rotp2; p2.translation() = Eigen::Vector3d(p2x,p2y, 0); //3.calculate t12 Eigen::Isometry3d t12=p1.inverse() *p2; Eigen::Matrix3d r12m=t12.rotation(); Eigen::Vector3d vt12=t12.translation(); Eigen::Vector3d eulerAngle=r12m.eulerAngles(0,1,2); cout<<"eulerAngle roll pitch yaw\n"<<180*eulerAngle/M_PI<<endl; cout<<"t12="<<endl<<vt12<<endl; }
2.區域性座標系->base座標系
已知p1和t12求p2
假設感測器在base座標系下p1處的位姿為(x,y,z,θ)=(1,1,0,0),
p1 和p2之間的轉換(區域性座標系)為t12表示為(1, 1, 0, 45),
求p2處世界座標系下的位姿(x,y,z,θ)?
結果為(2,2,0,45)
#include <Eigen/Core>
#include <Eigen/Dense>
#include <Eigen/Geometry>
#include <Eigen/StdVector>
#include<iostream>
using namespace std;
int main()
{
//1.p1 world position
double p1a=0;
double p1x=1;
double p1y=1;
Eigen::AngleAxisd rotzp1(p1a*M_PI/180, Eigen::Vector3d::UnitZ());
Eigen::Isometry3d p1;
p1 = rotzp1.toRotationMatrix();
p1.translation() = Eigen::Vector3d(p1x,p1y, 0);
//2. t12 value
double t12a=45;
double t12x=1;
double t12y=1;
Eigen::AngleAxisd rott12(t12a*M_PI/180, Eigen::Vector3d::UnitZ());
Eigen::Isometry3d t12;
t12= rott12.toRotationMatrix();
t12.translation()=Eigen::Vector3d(t12x, t12y, 0);
//3.calculate p2 world positon
Eigen::Isometry3d p2=p1*t12;
Eigen::Matrix3d p2rm=p2.rotation();
Eigen::Vector3d p2t=p2.translation();
Eigen::Vector3d eulerAngle=p2rm.eulerAngles(0,1,2);
cout<<"eulerAngle roll pitch yaw\n"<<180*eulerAngle/M_PI<<endl;
cout<<"t12="<<endl<<p2t<<endl;
}
3.附一個Lidar標定轉換的小程式,可以參考
#include <iostream>
#include <Eigen/Dense>
using namespace std;
using namespace Eigen;
int main(int argc, char **argv) {
Eigen::Vector3f e,p;
p.x() = 4.6;
p.y() = 1.25;
p.z() = 0;
e.x() = 41.9 * M_PI / 180; //yaw 偏航角
e.y() = -1 * M_PI / 180; //pitch 俯仰角
e.z() = -0.6 * M_PI / 180; //roll 水平角
Eigen::Matrix3f rot;
rot = Eigen::AngleAxisf(e(0), Eigen::Vector3d::UnitZ())//使用旋轉的角度和旋轉軸向量(此向量為單位向量)來初始化角軸:AngleAxisd V1(M_PI / 4, Vector3d(0, 0, 1));//以(0,0,1)為旋轉軸,旋轉45度
* Eigen::AngleAxisf(e(1), Eigen::Vector3d::UnitY())
* Eigen::AngleAxisf(e(2), Eigen::Vector3d::UnitX());
Eigen::Matrix4f m; //1.使用旋轉矩陣的函式來初始化旋轉矩陣:Matrix3d R1=Matrix3d::Identity();
m.setIdentity();
m.block<3, 3>(0, 0) = rot;
m.block<3, 1>(0, 3) = p;
Eigen::Affine3f vlp;
vlp.matrix() = m;
PointCloud pointcloud;
pcl::fromROSMsg(*msg, pointcloud);
PointCloudPtr base(new PointCloud);
pcl::transformPointCloud(pointcloud, *base, vlp);
}
最後,附(特別好)
1.一個旋轉矩陣(R),旋轉向量(V)和四元數(Q)在Eigen中轉換關係的總結:
https://blog.csdn.net/u011092188/article/details/77430988
2.使用eigen庫進行空間變換:https://blog.csdn.net/yangziluomu/article/details/82631783