访问官网
Github
文档
论文jaxlie
jaxlie是一个库，包含常用于刚体变换的李群实现，主要面向用JAX编写的计算机视觉和机器人应用。该库受到C++库Sophus的启发。
我们将李群实现为高级(数据)类：
| 群 | 描述 | 参数化 |
|---|---|---|
jaxlie.SO2 | 2D旋转。 | (实部，虚部)：单位复数（∈ S1） |
jaxlie.SE2 | 2D刚体变换。 | (实部，虚部，x，y)：单位复数和平移 |
jaxlie.SO3 | 3D旋转。 | (qw, qx, qy, qz)：wxyz四元数（∈ S3） |
jaxlie.SE3 | 3D刚体变换。 | (qw, qx, qy, qz, x, y, z)：wxyz四元数和平移 |
每个群支持：
- 支持前向和反向模式自动微分的**
exp()、log()、adjoint()、apply()、multiply()、inverse()、identity()、from_matrix()和as_matrix()**操作。（参见./examples/se3_example.py） - 流形优化的辅助函数（参见./examples/se3_optimization.py，
jaxlie.manifold.*）。 - 与标准JAX函数变换兼容。（参见./examples/vmap_example.py）
- 支持前导轴的广播。
- 作为pytree节点的（解）展平。
- 使用flax进行序列化。
我们还实现了各种常见的实用工具，如均匀随机采样（sample_uniform()）和从/到欧拉角的转换（在SO3类中）。
安装（Python >=3.7）
# Python 3.6版本也存在，但不再更新。
pip install jaxlie
实际应用
- jaxfg将
jaxlie应用于具有块稀疏结构的非线性最小二乘问题。（用于姿态图优化、束调整等） - tensorf-jax是使用
jaxlie的张量辐射场（Chen等人，ECCV 2022）的非官方实现。
其他
jaxlie最初是为我们的IROS 2021论文（链接）编写的。如果它对您有用，欢迎引用：
@inproceedings{yi2021iros,
author={Brent Yi and Michelle Lee and Alina Kloss and Roberto Mart\'in-Mart\'in and Jeannette Bohg},
title = {Differentiable Factor Graph Optimization for Learning Smoothers},
year = 2021,
BOOKTITLE = {2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)}
}
