上一讲，我们介绍了三维世界中刚体运动的描述方式，包括旋转矩阵、旋转向量、欧
拉角、四元数等若干种方式。我们重点介绍了旋转的表示，但是在 SLAM 中，除了表示之
外，我们还要对它们进行估计和优化。因为在 SLAM 中位姿是未知的，而我们需要解决什
么样的相机位姿最符合当前观测数据这样的问题。一种典型的方式是把它构建成一个优化
问题，求解最优的 R; t，使得误差最小化。
如前所言，旋转矩阵自身是带有约束的（正交且行列式为 1）。它们作为优化变量时，
会引入额外的约束，使优化变得困难。通过李群——
