消除来自传感器的四元数数据中的符号翻转
Eliminating sign flips in quaternion data from sensors
我从 AR 耳机获取传感器数据，它以四元数形式输出用户的头部方向。当我检查原始数据时，我发现连续的四元数样本中有几个明显的跳跃，尤其是对于 qw 和 qy 分量，如下所示。
因为我想在这个数据上使用一些机器学习算法，所以连续性很重要。为了摆脱翻转，我按照 this 答案中的建议翻转了所有四元数分量的符号，如果 qw < 0。这是有效的，因为 q 和 -q 表示相同的旋转，假设 q 是一个单位四元数。
使用这种方法，大部分翻转都消失了：
但是，我注意到这在 t=25000 左右为 qy 创建了另一个跳跃，其中 qy 的幅度非常接近 1.0。检查发生跳跃的具体样本，我将四元数值转换为欧拉角（偏航，俯仰，滚动）以获得更好的理解：
e1 = [175.84487617, 4.24149047, 170.7215615]
e2 = [175.0441748, -0.47157242, 169.98347392]
很明显，角度非常相似，除了音高值中的零交叉似乎导致 qy 翻转。我是否必须忍受这些发生在范围边界的不连续性，或者是否有办法使四元数完全连续？
不要根据四元数的一个特定元素翻转符号（例如，总是看着 qw）。这不是一个好的方案。相反，根据当时幅度最大的元素翻转符号。也就是说，在每一步重新计算哪个四元数元素的量级最大，并确保特定元素的符号在整个步骤中保持不变。有的时候你可能会根据qx翻牌子，有的时候你可能会根据qw翻牌子等等
我从 AR 耳机获取传感器数据，它以四元数形式输出用户的头部方向。当我检查原始数据时，我发现连续的四元数样本中有几个明显的跳跃，尤其是对于 qw 和 qy 分量，如下所示。
因为我想在这个数据上使用一些机器学习算法，所以连续性很重要。为了摆脱翻转，我按照 this 答案中的建议翻转了所有四元数分量的符号，如果 qw < 0。这是有效的，因为 q 和 -q 表示相同的旋转，假设 q 是一个单位四元数。 使用这种方法，大部分翻转都消失了：
但是，我注意到这在 t=25000 左右为 qy 创建了另一个跳跃，其中 qy 的幅度非常接近 1.0。检查发生跳跃的具体样本，我将四元数值转换为欧拉角（偏航，俯仰，滚动）以获得更好的理解：
e1 = [175.84487617, 4.24149047, 170.7215615]
e2 = [175.0441748, -0.47157242, 169.98347392]
很明显，角度非常相似，除了音高值中的零交叉似乎导致 qy 翻转。我是否必须忍受这些发生在范围边界的不连续性，或者是否有办法使四元数完全连续？
不要根据四元数的一个特定元素翻转符号（例如，总是看着 qw）。这不是一个好的方案。相反，根据当时幅度最大的元素翻转符号。也就是说，在每一步重新计算哪个四元数元素的量级最大，并确保特定元素的符号在整个步骤中保持不变。有的时候你可能会根据qx翻牌子，有的时候你可能会根据qw翻牌子等等