四元数基础知识

背景

四元数是方向的 4 元组表示形式,它比旋转矩阵更简洁。 四元数对于分析涉及三维旋转的情况非常有效。 四元数广泛用于机器人技术、量子力学、计算机视觉和 3D 动画。

您可以在 Wikipedia 上了解有关基本数学概念的更多信息。 您还可以观看由 3blue1brown 制作的可探索视频系列 Visualizeizing quaternions

在本教程中,您将了解四元数和转换方法在 ROS 2 中的工作原理。

先决条件

但是,这不是一个硬性要求,您可以坚持使用最适合您的任何其他几何转换库。 您可以查看 transforms3dscipy.spatial.transformpytransform3dnumpy-quaternionblender.mathutils 等库。

四元数的组成部分

ROS 2 使用四元数来跟踪和应用旋转。 四元数有 4 个分量。 在 ROS 2 中,是最后的,但在一些库(如 Eigen)中,可以放在第一个位置。 不产生绕 x/y/z 轴旋转的常用单位四元数是 ,可以通过以下方式创建:(x, y, z, w)``w``w``(0, 0, 0, 1)

复制代码
#include \<tf2/LinearMath/Quaternion.h\>
...

tf2::Quaternion q;
// Create a quaternion from roll/pitch/yaw in radians (0, 0, 0)
q.setRPY(0, 0, 0);
// Print the quaternion components (0, 0, 0, 1)
RCLCPP_INFO(this->get_logger(), "%f %f %f %f",
            q.x(), q.y(), q.z(), q.w());

四元数的大小应始终为 1。 如果数值错误导致四元数幅度不是 1,ROS 2 将打印警告。 要避免这些警告,请规范化四元数:

复制代码
q.normalize();

ROS 2 中的四元数类型

ROS 2 使用两种四元数数据类型: 及其等效数据类型。 要在 C++ 中在它们之间进行转换,请使用 .tf2::Quaternion``geometry_msgs::msg::Quaternion``tf2_geometry_msgs

C++

复制代码
#include \<tf2_geometry_msgs/tf2_geometry_msgs.hpp\>
...

tf2::Quaternion tf2_quat, tf2_quat_from_msg;
tf2_quat.setRPY(roll, pitch, yaw);
// Convert tf2::Quaternion to geometry_msgs::msg::Quaternion
geometry_msgs::msg::Quaternion msg_quat = tf2::toMsg(tf2_quat);

// Convert geometry_msgs::msg::Quaternion to tf2::Quaternion
tf2::convert(msg_quat, tf2_quat_from_msg);
// or
tf2::fromMsg(msg_quat, tf2_quat_from_msg);

复制代码
from geometry_msgs.msg import Quaternion
...

# Create a list of floats, which is compatible with tf2
# Quaternion methods
quat_tf = [0.0, 1.0, 0.0, 0.0]

# Convert a list to geometry_msgs.msg.Quaternion
msg_quat = Quaternion(x=quat_tf[0], y=quat_tf[1], z=quat_tf[2], w=quat_tf[3])

四元数运算

1 在 RPY 中思考,然后转换为四元数

我们很容易考虑绕轴的旋转,但很难从四元数的角度考虑。 建议根据滚动 (绕 X 轴)、俯仰 (绕 Y 轴) 和偏航 (绕 Z 轴) 计算目标旋转,然后转换为四元数。

复制代码
# quaternion_from_euler method is available in turtle_tf2_py/turtle_tf2_py/turtle_tf2_broadcaster.py
q = quaternion_from_euler(1.5707, 0, -1.5707)
print(f'The quaternion representation is x: {q[0]} y: {q[1]} z: {q[2]} w: {q[3]}.')

2 应用四元数旋转

要将一个四元数的旋转应用于姿势,只需将姿势的前一个四元数乘以表示所需旋转的四元数即可。 这个乘法的顺序很重要。

C++

复制代码
#include \<tf2_geometry_msgs/tf2_geometry_msgs.hpp\>
...

tf2::Quaternion q_orig, q_rot, q_new;

q_orig.setRPY(0.0, 0.0, 0.0);
// Rotate the previous pose by 180\* about X
q_rot.setRPY(3.14159, 0.0, 0.0);
q_new = q_rot * q_orig;
q_new.normalize();


或
复制代码
q_orig = quaternion_from_euler(0, 0, 0)
# Rotate the previous pose by 180\* about X
q_rot = quaternion_from_euler(3.14159, 0, 0)
q_new = quaternion_multiply(q_rot, q_orig)

3 反转四元数

反转四元数的一种简单方法是对 w 分量求反:

复制代码
q[3] = -q[3]

4 相对旋转

假设你有两个来自同一帧的四元数,并且 。 您希望查找按以下方式转换为 的相对旋转 :q_1``q_2``q_r``q_1``q_2

复制代码
q_2 = q_r * q_1

您可以像求解矩阵方程一样进行求解。 反转并右乘两侧。同样,乘法的顺序也很重要:q_r``q_1

复制代码
q_r = q_2 * q_1_inverse

下面是一个在 python 中获取从上一个机器人姿势到当前机器人姿势的相对旋转的示例:

复制代码
def quaternion_multiply(q0, q1):
    """
Multiplies two quaternions.

Input
:param q0: A 4 element array containing the first quaternion (q01, q11, q21, q31)
:param q1: A 4 element array containing the second quaternion (q02, q12, q22, q32)

Output
:return: A 4 element array containing the final quaternion (q03,q13,q23,q33)

"""
    # Extract the values from q0
    w0 = q0[0]
    x0 = q0[1]
    y0 = q0[2]
    z0 = q0[3]

    # Extract the values from q1
    w1 = q1[0]
    x1 = q1[1]
    y1 = q1[2]
    z1 = q1[3]

    # Computer the product of the two quaternions, term by term
    q0q1_w = w0 * w1 - x0 * x1 - y0 * y1 - z0 * z1
    q0q1_x = w0 * x1 + x0 * w1 + y0 * z1 - z0 * y1
    q0q1_y = w0 * y1 - x0 * z1 + y0 * w1 + z0 * x1
    q0q1_z = w0 * z1 + x0 * y1 - y0 * x1 + z0 * w1

    # Create a 4 element array containing the final quaternion
    final_quaternion = np.array([q0q1_w, q0q1_x, q0q1_y, q0q1_z])

    # Return a 4 element array containing the final quaternion (q02,q12,q22,q32)
    return final_quaternion

q1_inv[0] = prev_pose.pose.orientation.x
q1_inv[1] = prev_pose.pose.orientation.y
q1_inv[2] = prev_pose.pose.orientation.z
q1_inv[3] = -prev_pose.pose.orientation.w # Negate for inverse

q2[0] = current_pose.pose.orientation.x
q2[1] = current_pose.pose.orientation.y
q2[2] = current_pose.pose.orientation.z
q2[3] = current_pose.pose.orientation.w

qr = quaternion_multiply(q2, q1_inv)

总结

在本教程中,您了解了四元数的基本概念及其相关的数学运算,例如反转和旋转。 您还了解了它在 ROS 2 中的使用示例以及两个单独的 Quaternion 类之间的转换方法。

相关推荐
带娃的IT创业者2 小时前
机器学习实战(6):支持向量机(SVM)——强大的非线性分类器
算法·机器学习·支持向量机
wyg_0311137 小时前
用deepseek学大模型04-模型可视化与数据可视化
人工智能·机器学习·信息可视化
白-胖-子10 小时前
DeepSeek系统架构的逐层分类拆解分析,从底层基础设施到用户端分发全链路
人工智能·机器学习·分类·数据挖掘·系统架构·agi·deepseek
龚大龙14 小时前
机器学习(李宏毅)——RNN
人工智能·rnn·机器学习·lstm
子正15 小时前
python环境的yolov11.rknn物体检测
运维·yolo·机器学习
赵钰老师15 小时前
【深度学习】遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)
pytorch·深度学习·目标检测·机器学习·数据分析·cnn·transformer
IT猿手16 小时前
2025最新智能优化算法:改进型雪雁算法(Improved Snow Geese Algorithm, ISGA)求解23个经典函数测试集,MATLAB
数据库·人工智能·算法·机器学习·matlab
golitter.18 小时前
机器学习PCA和LDA
人工智能·机器学习
Watermelo61720 小时前
DeepSeek横空出世,真的拯救了算力焦虑吗?
大数据·人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
m0_7445653521 小时前
数据驱动的自动化本体构建过程包含3个阶 段
人工智能·机器学习