无人机在三维空间中的转动问题

前提

这篇博客是对最近一个有关无人机拍摄图像项目中所学到的新知识的一个总结,比较杂乱,没有固定的写作顺序。

无人机坐标系旋转问题

上图是无人机坐标系,绕x轴是翻滚(Roll),绕y轴是俯仰(Pitch),绕z轴是偏航(Yaw)。在初始位置,无人机坐标系和世界坐标系是对齐的,在坐标系中存在一个原始点 ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0),那么当无人机翻滚、俯仰、偏航后,此时的原始点被转动到了哪个位置处?

首先是绕x轴的翻滚,翻滚角为u,旋转矩阵为:
R x ( u ) = [ 1 0 0 0 c o s ( u ) − s i n ( u ) 0 s i n ( u ) c o s ( u ) ] R_x(u)=\begin{bmatrix} 1 & 0 & 0 \\ 0 & cos(u) & -sin(u) \\ 0 & sin(u) & cos(u) \end{bmatrix} Rx(u)= 1000cos(u)sin(u)0−sin(u)cos(u)

可以看到,这个旋转矩阵和三维空间中某一点绕x轴旋转的旋转矩阵一样。

旋转后的坐标则为:

x 1 y 1 z 1 \] = R x ( u ) \[ x 0 y 0 z 0 \] \\begin{bmatrix} x_1 \\\\ y_1 \\\\ z_1 \\end{bmatrix}= R_x(u)\\begin{bmatrix} x_0 \\\\ y_0 \\\\ z_0 \\end{bmatrix} x1y1z1 =Rx(u) x0y0z0 接下来是绕`y`轴的俯仰,俯仰角为`v`,旋转矩阵为: R y ( v ) = \[ c o s ( v ) 0 s i n ( v ) 0 1 0 − s i n ( v ) 0 c o s ( v ) \] R_y(v)=\\begin{bmatrix} cos(v) \& 0 \& sin(v) \\\\ 0 \& 1 \& 0 \\\\ -sin(v) \& 0 \& cos(v) \\end{bmatrix} Ry(v)= cos(v)0−sin(v)010sin(v)0cos(v) 可以看到,**这个旋转矩阵和三维空间中某一点绕`y`轴旋转的旋转矩阵一样。** 旋转后的坐标则为: \[ x 2 y 2 z 2 \] = R y ( u ) \[ x 1 y 1 z 1 \] \\begin{bmatrix} x_2 \\\\ y_2 \\\\ z_2 \\end{bmatrix}= R_y(u)\\begin{bmatrix} x_1 \\\\ y_1 \\\\ z_1 \\end{bmatrix} x2y2z2 =Ry(u) x1y1z1 接下来是绕`z`轴的偏航,偏航角为`w`,旋转矩阵为: R z ( v ) = \[ c o s ( w ) − s i n ( w ) 0 s i n ( w ) c o s ( w ) 0 0 0 1 \] R_z(v)=\\begin{bmatrix} cos(w) \& -sin(w) \& 0 \\\\ sin(w) \& cos(w) \& 0 \\\\ 0 \& 0 \& 1 \\end{bmatrix} Rz(v)= cos(w)sin(w)0−sin(w)cos(w)0001 可以看到,**这个旋转矩阵和三维空间中某一点绕`z`轴旋转的旋转矩阵一样。** 旋转后的坐标则为: \[ x 3 y 3 z 3 \] = R z ( u ) \[ x 2 y 2 z 2 \] \\begin{bmatrix} x_3 \\\\ y_3 \\\\ z_3 \\end{bmatrix}= R_z(u)\\begin{bmatrix} x_2 \\\\ y_2 \\\\ z_2 \\end{bmatrix} x3y3z3 =Rz(u) x2y2z2 将三个旋转矩阵结合起来就就是: \[ x 3 y 3 z 3 \] = R z ( w ) × R y ( v ) × R x ( u ) \[ x 0 y 0 z 0 \] \\begin{bmatrix} x_3 \\\\ y_3 \\\\ z_3 \\end{bmatrix}= R_z(w)\\times R_y(v)\\times R_x(u)\\begin{bmatrix} x_0 \\\\ y_0 \\\\ z_0 \\end{bmatrix} x3y3z3 =Rz(w)×Ry(v)×Rx(u) x0y0z0 可以看到这里面有很重要的一点就是: R z ( w ) 、 R y ( v ) 、 R x ( u ) R_z(w)、R_y(v)、R_x(u) Rz(w)、Ry(v)、Rx(u)相乘时的顺序**不能发生改变** ,一旦发生改变(矩阵相乘没有交换律),则结果也会发生变化。 对上面进行总结,整体上如下图所示: ![在这里插入图片描述](https://file.jishuzhan.net/article/1752189172455575554/26bb80989c928b1a3a238a612b41d56b.webp) 已知在无人机坐标系下的一点 ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0),求无人机在翻滚`u`度,俯仰`v`度,偏航`w`度后的点坐标 ( x 3 , y 3 , z 3 ) (x_3,y_3,z_3) (x3,y3,z3)。计算公式如上所示。 ## 图像相关问题 ### 视场角 一般来说,相机的视场角(FOV)有三个,H FOV(水平视场角)、V FOV(垂直视场角),D FOV(对角视场角),如下图所示,一目了然。 ![在这里插入图片描述](https://file.jishuzhan.net/article/1752189172455575554/c20514acafed7919505354ff07adaae4.webp) ### 图像的单应性变换 单应性的一个不严谨定义是:用**无镜头畸变** 的相机从不同位置拍摄**同一平面物体** 的图像之间存在单应性,可以用透视变换表示。 ![在这里插入图片描述](https://file.jishuzhan.net/article/1752189172455575554/06f20da2af829131491b64df07ae3c67.webp) 也就是说,给Right view的图像上的点经过透视变换可以变到left view图像上对应位置,透视变换也就是一个矩阵,我们称之为单应性矩阵。 这里不对单应性矩阵进行详细介绍,只是说求解单应性矩阵有8个参数,因此需要四组对应点。 一种常见的方法是寻找两张图像中的**相似特征点** ,然后用来求解单应性矩阵,参考此[链接](https://zhuanlan.zhihu.com/p/74597564)中有相关代码,以及对单应性矩阵的具体介绍。 ### findHomography函数和getPerspectiveTransform函数 两个函数都可以用来求单应性矩阵,结果一样。但`getPerspectiveTransform`只会拿四组点去计算,`findHomography`会拿多组点(大于等于4组)点去计算。 ## 参考链接 1. https://danceswithcode.net/engineeringnotes/rotations_in_3d/rotations_in_3d_part1.html 2. https://www.sohu.com/a/657116799_121116014 3. https://zhuanlan.zhihu.com/p/74597564 4. https://blog.csdn.net/Sunshine_in_Moon/article/details/45478351

相关推荐
云卓SKYDROID14 小时前
科技赋能消防:无人机“挂弹灭火“构筑森林防火墙!
人工智能·科技·无人机·科普·云卓科技
gaoshengdainzi14 小时前
镜片防雾性能测试仪在自动驾驶与无人机领域的创新应用
人工智能·自动驾驶·无人机·镜片防雾性能测试仪
月阳羊15 小时前
【无人机】无人机PX4飞控系统高级软件架构
嵌入式硬件·架构·系统架构·无人机
云卓SKYDROID15 小时前
无人机机体结构设计要点与难点!
人工智能·科技·无人机·科普·云卓科技
Leweslyh1 天前
基于星链的无人机及其在乌克兰战场中的应用
无人机·星链·战争
云卓SKYDROID2 天前
无人机遥测系统工作与技术难点分析!
人工智能·无人机·科普·高科技·云卓科技
秋风战士2 天前
通信算法之255:无人机频谱探测设备技术详解
算法·无人机
云卓SKYDROID3 天前
无人机DSP处理器工作要点!
人工智能·无人机·科普·云卓科技
云卓SKYDROID4 天前
无人机磁力传感器与信号传输解析!
人工智能·科技·无人机·科普·云卓科技