jaxlie

mypy lint

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：

<table> <thead> <tr> <th>群</th> <th>描述</th> <th>参数化</th> </tr> </thead> <tbody valign="top"> <tr> <td><code>jaxlie.<strong>SO2</strong></code></td> <td>2D旋转。</td> <td><em>(实部，虚部)：</em>单位复数（∈ S<sup>1</sup>）</td> </tr> <tr> <td><code>jaxlie.<strong>SE2</strong></code></td> <td>2D刚体变换。</td> <td><em>(实部，虚部，x，y)：</em>单位复数和平移</td> </tr> <tr> <td><code>jaxlie.<strong>SO3</strong></code></td> <td>3D旋转。</td> <td><em>(qw, qx, qy, qz)：</em>wxyz四元数（∈ S<sup>3</sup>）</td> </tr> <tr> <td><code>jaxlie.<strong>SE3</strong></code></td> <td>3D刚体变换。</td> <td><em>(qw, qx, qy, qz, x, y, z)：</em>wxyz四元数和平移</td> </tr> </tbody> </table>

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，<code>jaxlie.<strong>manifold.*</strong></code>）。
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)}
}