我试图估计两组点之间的3D旋转矩阵,我想通过计算协方差矩阵的SVD,比如C
来做到这一点,如下所示:
U,S,V = svd(C)
R = V * U^T
在我的情况下,C
是3x3
。我正在使用Eigen的JacobiSVD模块,我最近才发现它以列主格式存储矩阵。所以这让我感到困惑。
所以,当使用Eigen时,我应该这样做:V*U.transpose()
还是V.transpose()*U
?
另外,旋转是准确的,直到改变对应于最小奇异值的U列的符号,使得R的行列式为正。假设最小奇异值的索引是minIndex
。
因此,当行列式为负数时,由于列主要混淆,我应该这样做:
U.col(minIndex) *= -1 or U.row(minIndex) *= -1
谢谢!
这与存储行主要或列主要的矩阵无关。 svd(C)
给你:
U * S.asDiagonal() * V.transpose() == C
所以最接近的R
旋转到C
是:
R = U * V.transpose();
如果你想将R
应用于点p
(存储为列向量),那么你可以:
q = R * p;
现在,您是否感兴趣R
或其逆R.transpose()==V.transpose()*U
由您决定。
奇异值缩放U
的列,因此您应该反转列以获得det(U)=1
。同样,与存储布局无关。