我有两组数据,R1 和 R2,它们都表示不同坐标系中的相同旋转。它们的采样率不相等,所以在相同的时间跨度内,R1 中的样本比 R2 中的样本多得多。组之间也有时间延迟。因此,可以在 R2 中的时间 t' = t + delta 处找到 R1 中时间 t 处的旋转。
我想找到这个时间延迟以及坐标系之间的未知变换(我假设是纯旋转)
因此,我首先使用球面插值 (SLERP) 对 R1 数据集进行插值。然后我将它乘以 R,它是变换矩阵,所以旋转现在在相同的坐标系中表示。然后我用 R2 的转置(与旋转矩阵的逆相同)将整个东西旋转回来,如果 R1 和 R2 描述相同的旋转,它应该生成一个单位矩阵。
我用过这个代价函数
def cost_func(x,R1,R2)
R = x[1:].reshape(3,3)
time_delay = x[0]
For n in range(R2)
Rtot = transpose(R2)*R*SLERP(R1,time_delay)
alpha[n] = rotation_matrix_to_axis_angle(Rtot)
return alpha**2
然后尝试了 scipy.optimize.fmin 和 scipy.optimize.leastsq。
optimize.fmin(cost_func,initial_guess,args=(R1,R2))
当我尝试使用合成数据时,我得到了非常好的时间延迟值,但我没有得到非常准确的转换矩阵值。数学可能有点难以理解,但我很确定它是正确的。我不确定我应该使用哪种优化功能。此外,除了 alpha 之外,最小化其他东西(例如更多参数)会产生更准确的值吗?
提前致谢!
* 编辑 **
好的,这就是我创建合成数据的方式。我为 R1 创建随机四元数(旋转的 4D 矢量表示),然后为 R2 添加延迟和旋转 (Rtrans)。
def create_random_quaternion():
v = np.zeros(4)
v[0] = random.random()
v[1] = random.random()
v[2] = random.random()
v[3] = random.random()
return v / np.linalg.norm(v)
def create_synthetic_gyro_sequence(sequence_length):
q = np.zeros((sequence_length, 4))
ts = np.zeros(sequence_length)
for i in range(sequence_length):
q[i] = create_random_quaternion()
ts[i] = 0.01*i
return q, ts
def create_synthetic_data(l):
gyro_data, gyro_ts = create_synthetic_gyro_sequence(l)
camera_data = np.zeros((l/5,3,3))
camera_ts = np.zeros(l/5)
i = 0
for n in range(l):
if n % 5 == 0:
camera_data[i] = Rtrans.dot(SLERP.quat2rot(gyro_data[n]))
camera_ts[i] = 0.004+0.01*n
i += 1
return gyro_data, gyro_ts, camera_data, camera_ts
最佳答案
我找到问题了!
成本函数不正确。我会尝试解释是否有人感兴趣。一个点x在两个坐标系之间的映射可以写成
x' = Qx
现在让 R 和 R' 是在两个不同坐标系中表示的相同旋转。 R 的旋转,然后是 Q 的变换
x'' = QRx
将点旋转回其新坐标系(对于旋转矩阵,转置与逆矩阵相同)
x' = R'^T QRx
作为最后一步,将点转换回其原始坐标系
x = Q^T R'^T QRx
正确的代价函数应该是
Q^T R'^T QR
即我忘了Q^T
关于python - Scipy.optimization 在描述相同旋转的两组数据之间找到未知参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17105879/