飞行器坐标转换

飞行器坐标转换

    • 坐标系定义
    • 方向余弦矩阵

坐标系定义

本文定义的是右手直角坐标系, x − y − z x-y-z xyz轴分别为北-天-东
A A A坐标系到 B B B坐标系是分别绕 y − z − x y-z-x yzx轴,即天-东-北旋转 ψ − θ − γ \psi-\theta-\gamma ψθγ。如果 A A A是惯性系, B B B是机体系,则这三个角度分别为偏航角、俯仰角、横滚角。
惯性系到机体系

图1 惯性系到机体系

方向余弦矩阵

设图1所示惯性系的三个轴上的单位向量分别为 I ⃗ = [ 1 , 0 , 0 ] T 、 J ⃗ = [ 0 , 1 , 0 ] T 、 K ⃗ = [ 0 , 0 , 1 ] T \vec{I} =[1,0,0]^{T}、\vec{J} =[0,1,0]^{T}、\vec{K} =[0,0,1]^{T} I =[1,0,0]TJ =[0,1,0]TK =[0,0,1]T机体系的三个轴上的单位向量分别为 i ⃗ 、 j ⃗ 、 k ⃗ \vec{i} 、\vec{j} 、\vec{k} i j k
i ⃗ \vec{i} i 在惯性系下表示为 i ⃗ g = [ i x g , i y g , i z g ] T \vec{i}^{g} =[i_{x}^{g},i_{y}^{g},i_{z}^{g}]^{T} i g=[ixg,iyg,izg]T
其中的 i x g i_{x}^{g} ixg就是向量 i ⃗ \vec{i} i 在向量 I ⃗ \vec{I} I 上的投影长度,可表示为 I ⃗ \vec{I} I 点乘 i ⃗ \vec{i} i
i x g = c o s ( I ⃗ , i ⃗ ) = ∣ I ⃗ ∣ ∣ i ⃗ ∣ c o s ( I ⃗ , i ⃗ ) = I ⃗ ⋅ i ⃗ i_{x}^{g} = cos(\vec{I},\vec{i}) =|\vec{I}||\vec{i}|cos(\vec{I},\vec{i}) =\vec{I}\cdot\vec{i} ixg=cos(I ,i )=I ∣∣i cos(I ,i )=I i
同理可以得出 i ⃗ g = [ I ⃗ ⋅ i ⃗ , J ⃗ ⋅ i ⃗ , K ⃗ ⋅ i ⃗ ] T \vec{i}^{g} =[\vec{I}\cdot\vec{i},\vec{J}\cdot\vec{i},\vec{K}\cdot\vec{i}]^{T} i g=[I i ,J i ,K i ]T
可见 i ⃗ \vec{i} i 在惯性系下的坐标就是向量 i ⃗ \vec{i} i 点乘惯性系的三个轴的基准向量。
同理可以推导出 j ⃗ 、 k ⃗ \vec{j}、\vec{k} j k 在惯性系下的坐标,因为 i ⃗ 、 j ⃗ 、 k ⃗ \vec{i}、\vec{j}、\vec{k} i j k I ⃗ 、 J ⃗ 、 K ⃗ \vec{I}、\vec{J}、\vec{K} I J K 都是单位向量,所以方向余弦矩阵可表示如下:
[ i ⃗ g , j ⃗ g , k ⃗ g ] = [ I ⃗ ⋅ i ⃗ I ⃗ ⋅ j ⃗ I ⃗ ⋅ k ⃗ J ⃗ ⋅ i ⃗ J ⃗ ⋅ j ⃗ J ⃗ ⋅ k ⃗ K ⃗ ⋅ i ⃗ K ⃗ ⋅ j ⃗ K ⃗ ⋅ k ⃗ ] = [ cos ⁡ ( I ⃗ , i ⃗ ) c o s ( I ⃗ , j ⃗ ) c o s ( I ⃗ , k ⃗ ) cos ⁡ ( J ⃗ , i ⃗ ) c o s ( J ⃗ , j ⃗ ) c o s ( J ⃗ , k ⃗ ) cos ⁡ ( K ⃗ , i ⃗ ) c o s ( K ⃗ , j ⃗ ) c o s ( K ⃗ , k ⃗ ) ] [\vec{i}^{g},\vec{j}^{g},\vec{k}^{g} ]= \begin{bmatrix} \vec{I}\cdot\vec{i} & \vec{I}\cdot\vec{j} & \vec{I}\cdot\vec{k} \\ \vec{J}\cdot\vec{i} & \vec{J}\cdot\vec{j} & \vec{J}\cdot\vec{k} \\ \vec{K}\cdot\vec{i} & \vec{K}\cdot\vec{j} & \vec{K}\cdot\vec{k} \\ \end{bmatrix} = \begin{bmatrix} \cos(\vec{I},\vec{i}) & cos(\vec{I},\vec{j}) & cos(\vec{I},\vec{k}) \\ \cos(\vec{J},\vec{i}) & cos(\vec{J},\vec{j}) & cos(\vec{J},\vec{k}) \\ \cos(\vec{K},\vec{i}) & cos(\vec{K},\vec{j}) & cos(\vec{K},\vec{k}) \\ \end{bmatrix} [i g,j g,k g]= I i J i K i I j J j K j I k J k K k = cos(I ,i )cos(J ,i )cos(K ,i )cos(I ,j )cos(J ,j )cos(K ,j )cos(I ,k )cos(J ,k )cos(K ,k )
所以,方向余弦矩阵的第一列就是机体系的 i ⃗ \vec{i} i 向量( x x x轴)在惯性系下的坐标,同理, y y y轴和 z z z轴就是第二列和第三列。

第一行呢?就是惯性系的的 I ⃗ \vec{I} I 向量( x x x轴)在机体坐标系下的坐标,同理, y y y轴和 z z z轴就是第二行和第三行。

通过这种方式我们可以轻松找出某一条轴的姿态坐标,非常方便。

因此我们可以理解为旋转矩阵和方向余弦矩阵是等价的,二者从不同的角度出发,得出了相同的姿态表示方法。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/130798.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

什么是文件安全

文件安全就是通过实施严格的访问控制措施和完美的权限卫生来保护您的业务关键信息不被窥探,除了启用和监控安全访问控制外,整理数据存储在保护文件方面也起着重要作用。通过清除旧的、过时的和其他垃圾文件来定期优化文件存储,以专注于关键业…

AdvFaces: Adversarial Face Synthesis

AdvFaces: Adversarial Face Synthesis AdvFaces:对抗性人脸合成 摘要 我们提出了AdvFaces,一种自动对抗人脸合成方法,通过生成对抗网络学习在显著面部区域产生最小的扰动。一旦AdvFaces经过训练,它就可以自动产生难以察觉的扰动&#xff0…

Linux常用指令(二)——文件管理

Linux文件管理 2.1 创建文件 touch2.2 复制文件 cp2.3 删除文件 rm2.4 移动文件 mv2.5 重命名文件 rename2.6 查看文件 cat2.7 查看文件的类型 file2.8 编辑文件 vim2.9 打印文件内容 cat2.10 变更文件所有者 chown2.11 修改文件权限 chmod 更加完整的Linux常用指令 2.1 创建文…

JOSEF约瑟 数显三相电压继电器 HJY-931A/D 导轨安装

名称:数字交流三相电压继电器型号:HJY-93系列品牌:JOSEF约瑟电压整定范围:10~450VAC额定电压:200、400VAC功率消耗:≤5W HJY系列 数字交流三相电压继电器 系列型号 HJY-931A/D数字式交流三相电压继电器&am…

qt5.15.2+vs2019源码调试开发环境搭建

说明 一些qt文件不进行源码调试无法知道其中的原理。提高软件质量,从概念原理及应用角度看待必须知道qt类运行原理。 1.安装 在网上找到qt安装包qt-unified-windows-x64-4.5.1-online.exe,安装qt5.15.2,有选择Qt Debug Information Files …

mediasoup udp端口分配策略

mediasoup-worker多进程启动时&#xff0c;rtcMinPort/rtcMaxPort可以使用相同的配置。 for (let i 0; i < numWorkers; i) { let worker await mediasoup.createWorker({ logLevel: config.mediasoup.worker.logLevel, logTags: config.mediasoup.work…

框架和库:你需要知道的一切

在编程领域&#xff0c;框架和库是两个常见的概念。虽然它们都可以帮助我们更有效地编写代码&#xff0c;但它们之间有着明显的区别。在本文中&#xff0c;我们将探讨框架和库的定义、区别以及如何选择使用它们。 什么是框架&#xff1f; 框架是一种开发工具&#xff0c;它提供…

缺陷之灵魂操作bug

一、前言 正常来说&#xff0c;我们在测试缺陷的时候都是按照case来测试的&#xff0c;但是有些场景&#xff0c;例如说发散思维这种场景&#xff0c;就会找到一些比较不太正常、不好复现的缺陷&#xff0c;然后如果要辅助研发修复&#xff0c;就会极为痛苦。 二、场景描述 大…

Android 13.0 根据app包名授予app监听系统通知权限

1.概述 在13.0的系统rom产品定制化开发中,在一些产品rom定制化开发中,系统内置的第三方app需要开启系统通知权限,然后可以在app中,监听系统所有通知,来做个通知中心的功能,所以需要授权获取系统通知的权限,然后来顺利的监听系统通知。来做系统通知的功能,接下来来实现…

【多媒体文件格式】AMR

AMR 自适应多速率音频压缩&#xff08;Adaptive multi-Rate compression&#xff0c;简称AMR&#xff09;是一个使语音编码最优化的专利。AMR被标准语音编码 3GPP在1998年10月选用&#xff0c;现在广泛在GSM和UMTS中使用。它使用1-8个不同的比特率编码。 AMR 也是一个文件格式…

jmeter接口测试项目实战详解,零基础也能学,源码框架都给你

1.什么是jmeter&#xff1f; JMeter是100%完全由Java语言编写的&#xff0c;免费的开源软件&#xff0c;是非常优秀的性能测试和接口测试工具&#xff0c;支持主流协议的测试 2.jmeter能做什么&#xff1f; 1.JMeter是100%完全由Java语言编写的软件性能测试的GUI的测试工具&a…

C++二分查找算法的应用:最小好进制

本文涉及的基础知识点 二分查找 题目 以字符串的形式给出 n , 以字符串的形式返回 n 的最小 好进制 。 如果 n 的 k(k>2) 进制数的所有数位全为1&#xff0c;则称 k(k>2) 是 n 的一个 好进制 。 示例 1&#xff1a; 输入&#xff1a;n “13” 输出&#xff1a;“3” …

估计量的评价指标

评价估计量优劣的指标有无偏性、有效性和一致性 我们观察世界&#xff0c;是对观察到的事物在大脑中形成的估计值&#xff1b;我们用仪器测量某个参数&#xff0c;是通过仪器获得该参数的估计值。那么&#xff0c;估计值的优劣如何来评价&#xff1f; 无偏性 估计值的样本均…

[SSD综述1.3] SSD及固态存储技术30年简史

依公知及经验整理,原创保护,禁止转载。 专栏 《SSD入门到精通系列》 <<<< 返回总目录 <<<< 前言 在我们今天看来,SSD已不再是个新鲜事物。这多亏了存储行业的前辈们摸爬滚打了将近半个世纪,才有了SSD的繁荣,可惜很多前辈都没有机会看到这。所有…

ActiveMQ、RabbitMQ、RocketMQ、Kafka介绍

一、消息中间件的使用场景 消息中间件的使用场景总结就是六个字&#xff1a;解耦、异步、削峰 1.解耦 如果我方系统A要与三方B系统进行数据对接&#xff0c;推送系统人员信息&#xff0c;通常我们会使用接口开发来进行。但是如果运维期间B系统进行了调整&#xff0c;或者推送过…

(04)Mycat实现分库

1、如何选择分库表 #客户表 rows:20万 CREATE TABLE customer(id INT AUTO_INCREMENT,NAME VARCHAR(200),PRIMARY KEY(id) );#订单表 rows:600万 CREATE TABLE orders(id INT AUTO_INCREMENT,order_type INT,customer_id INT,amount DECIMAL(10,2),PRIMARY KEY(id) ); #…

@Configuration 注解的 Full 模式和 Lite 模式!

Configuration 注解相信各位小伙伴经常会用到&#xff0c;但是大家知道吗&#xff0c;这个注解有两种不同的模式&#xff0c;一种叫做 Full 模式&#xff0c;另外一种则叫做 Lite 模式。 准确来说&#xff0c;Full 模式和 Lite 模式其实 1. 概念梳理 首先我们先来看一下 Spr…

深入理解Java中的ThreadLocal

简介&#xff1a; 在多线程编程中&#xff0c;线程安全是一个关键问题。而ThreadLocal提供了一种轻量级的方式来实现线程级别的共享变量&#xff0c;每个线程都拥有独立的副本。本文将通过示例&#xff0c;详细解释ThreadLocal的使用方法和原理。 使用示例&#xff1a; 下面是…

PTA: h0116. 波兰表达式

波兰表达式 题目输入格式输出格式 提示输入样例输出样例 代码 题目 &#xff08;PTA题目描述有误&#xff0c;应该是波兰表达式&#xff09;逆波兰表达式是一种把运算符前置的算术表达式&#xff0c;例如普通的表达式2 3的逆波兰表示法为 2 3。逆波兰表达式的优点是运算符之间…

YOLO算法改进6【中阶改进篇】:depthwise separable convolution轻量化C3

常规卷积操作 对于一张55像素、三通道&#xff08;shape为553&#xff09;&#xff0c;经过33卷积核的卷积层&#xff08;假设输出通道数为4&#xff0c;则卷积核shape为3334&#xff0c;最终输出4个Feature Map&#xff0c;如果有same padding则尺寸与输入层相同&#xff08;…