# 李群与李代数的简介与应用
## 引言
李群和李代数是数学中重要的概念，它们在数学、物理、工程等领域都有广泛的应用。本文将介绍李群和李代数的概念，并通过Python代码示例来帮助读者更好地理解。
## 李群
李群是一种具备连续群结构和可微流形结构的集合。它由一个群和一个流形两个结构组成，其中群结构保证了集合上的代数操作，流形结构保证了集合上的几何性质。李群具有丰富的几何和代数结构，因此在
原创
2024-01-14 08:30:02
214阅读
注意：！！！！！看书本，这里的导数是旋转之后点的坐标相对于旋转的导数 ！！！！！
旋转矩阵对时间的导数应为
#include <iostr
转载
2019-11-26 19:36:00
1107阅读
2评论
本节介绍了李群和李代数知识，包括SE3的结构，指数映射和对数映射，BCH公式，以及李代数上的微分运算。
前言 理解李群与李代数，是理解许多SLAM中关键问题的基础。本讲我们继续介绍李群李代数的相关知识，重点放在李群李代数的微积分上，这对解决姿态估计问题具有重要意义。 回顾 为了描述三维空间里的运动，我们使用3$\times $3的旋转矩阵$
转载
2023-09-07 22:22:00
242阅读
面向对象一、概念解释面对对象编程（OOP:object oriented programming）：是一种程序设计范型，同时也是一种程序开发的方法，实现OOP的程序希望能够在程序中包含各种独立而又相互调用的对象，没一个对象又都应该能够接受数据、数据处理并将数据传达给其他对象，因此每一个对象都可以被看做一个小型的机器，而整个程序块系统就是由这些小的机器相互协助、组合构建起来的。面对对象分析（OOA:
0. 简介李群李代数作为SLAM当中非常重要的一部分，作者最近才对该部分有了清晰地认知
原创
2023-02-05 09:57:19
342阅读
# 李群与李代数的转换
在数学和物理学中，李群（Lie Group）和李代数（Lie Algebra）是处理对称性与微分方程的重要工具。李群是由连续矩阵变化构成的群，李代数则是与之相关联的代数结构。它们之间存在着一种微妙而深刻的关系：每个李群都有一个对应的李代数，反之亦然。在这篇文章中，我们将探讨如何在Python中进行李群与李代数之间的转换，并提供一些相关示例代码。
## 李群与李代数的基础
原创
2024-09-19 03:29:15
104阅读
#include <iostream>#include <cmath>using namespace std; #include <Eigen/Core>#include <Eigen/Geometry>#incl
原创
2022-12-06 01:55:18
383阅读
李群是什么？李群就是一个矩阵的集合，为何有了矩阵还要弄个矩阵集合呢？因为矩阵它只是一个数，而像实际应用中我可能需要一系列数去描述某个事件的变化。而李群就是用来描述旋转平移上的变化，物体的旋转平移是连续的所以李群它也是随时间变化连续的。某个时刻下李群它是一个矩阵，但是一段时间内它是无数个矩阵的集合。旋转矩阵和齐次变换矩阵都是李群。旋转矩阵一般叫做特殊正交群简写为SO(3),Special ortho
转载
2024-07-17 06:20:58
172阅读
详解介绍了SLAM中的李群和李代数的相关的知识，并对其中的公式进行了详细的推导。
详解介绍了SLAM中的李群和李代数的相关的知识，并对其中的公式进行了详细的推导。
1、李代数的存在是为了更好地估计变换矩阵T。2、李群对乘法封闭。3、李代数是对加法封闭（因为其由向量组成）。4、李代数对应李群的正切空间，它描述了李群局部的导数。5、对于某个时刻的R(t)（李群空间），存在一个三维向量φ=（φ1，φ2，φ3）（李代数空间），用来描述R在t时刻的局部的导数。6、李群空间的任意一个旋转矩阵R都可以用李代数空间的一个向量的反对称矩阵指数来近似。7、旋转矩阵的导数可以由其
原创
2022-12-07 12:09:00
344阅读
# 李沐 PyTorch 简介
## 1. 引言
PyTorch 是一个基于 Python 的开源深度学习库，由 Facebook 的人工智能研究团队开发。它提供了高度灵活的张量操作和动态计算图，使得开发者能够轻松地构建和训练深度学习模型。PyTorch 的创始人之一就是李沐，他是计算机科学家和斯坦福大学副教授，以及 D2L 书籍的作者。本文将介绍 PyTorch 的基本概念和使用示例，帮助读者
原创
2023-10-10 13:55:22
87阅读
这几个月，博主已经从SLAM算法的使用向着算法的数学
原创
2023-07-25 11:35:02
784阅读
# 从零开始学习PyTorch：李沐PyTorch
PyTorch是一个由Facebook开发的开源深度学习框架，它提供了灵活的张量计算和动态计算图，让深度学习任务变得更加简单和高效。作为一名深度学习爱好者或者从业者，学习PyTorch是非常重要的。在学习PyTorch的过程中，李沐PyTorch课程是一个非常好的资源，它由李沐教授倾心打造，内容丰富且易于理解。
## 什么是李沐PyTorch
原创
2024-06-30 05:57:31
66阅读
目录前言backward函数官方文档backward理解Jacobian矩阵vector-Jacobian product的计算vector-Jacobian product的例子理解输入和输出为标量或向量时的计算输入为标量，输出为标量输入为标量，输出为向量输入为向量，输出为标量输入为标量，输出为向量额外例子：输出为标量，gradient为向量输入为标量，输出为标量，gradient为向量输入为
转载
2023-09-19 21:30:35
70阅读
很多刚刚接触SLAM的小伙伴在看到李群和李代数这部分的时候，都有点蒙蒙哒，感觉突然到了另外一个世界，很多都不自觉的跳过了，但是这里必须强调一点，这部分在后续SLAM的学习中其实是非常重要的基础，不信你看看大神们的论文就知道啦。关于李群李代数，其实高翔的《视觉SLAM十四讲》里推导什么的挺清楚了，本文就在高博的基础上用比较容易理解的语言讲述一下重点。首先，假装（也可能是真的）自己是个小白，我们假想对
原创
2023-07-11 14:30:14
426阅读
pytorch学习笔记二——nn.Module一、五种模型构造形式nn.Sequential()class自定义类顺序块requires_grad=False混合搭配各种组合块的方法二、参数管理net.state_dict()net.named_parameters()网络嵌套块net.add_modulenn.init.normal_(m.weight, mean=0, std=0.01)nn
转载
2024-01-02 11:07:47
109阅读
系统环境Ubuntu 18.04.3，查看命令安装过程由于不是安装官网最新的Pytorch版（当时最新1.7，安装1.5），所以选择anaconda进行安装，它自动管理依赖包之间关系，自动下载符合依赖关系的包，不用自己去匹配包与包之间的版本对应关系。安装anaconda3前往清华镜像源选择适合自己系统的anaconda包。想下载最新版前往官网即可，但下载速度可能较慢。复制相应的包链接，进行下载。如
转载
2024-07-16 15:39:46
49阅读
