10.81 자세 표현 방법의 종합 비교와 선택 기준

1. 자세 표현의 다양성

3차원 회전을 표현하는 방법은 여러 가지가 있으며, 각각의 표현은 고유한 수학적 특성, 장점, 한계를 가진다. 회전 행렬, 오일러 각, 축-각도, 회전 벡터, 쿼터니언, 로드리게스 매개변수, 수정 로드리게스 매개변수 등이 대표적이다. 응용 분야와 요구사항에 따라 적합한 표현이 다르며, 이러한 선택은 알고리즘의 성능, 정확성, 안정성에 직접 영향을 준다.

2. 자세 표현 방법의 분류

2.1 매개변수 수에 따른 분류

자세 표현은 사용하는 매개변수의 수에 따라 분류된다.

매개변수 수가 적을수록 저장 효율은 좋지만, 회전 다양체의 위상적 특성으로 인해 모든 자세를 매끄럽게 표현하기 어려운 경우가 있다.

2.2 위상적 특성에 따른 분류

회전군 SO(3)은 3차원 다양체이지만, 위상적으로 특별한 구조를 가진다. 어떤 매개변수화도 모든 자세를 매끄럽고 일대일로 표현할 수 없으며, 이는 알려진 위상적 사실이다. 표현 방법의 위상적 특성은 다음과 같다.

• 3 매개변수 표현: 매끄러움이 보장되지 않으며, 특이점이 발생함
• 4 매개변수 표현(쿼터니언): 매끄럽지만 이중 포복(2-to-1)
• 9 매개변수 표현(회전 행렬): 매끄럽지만 매개변수의 중복

3. 회전 행렬

3.1 정의

회전 행렬은 다음과 같이 정의된다.

SO(3) = \{\mathbf{R} \in \mathbb{R}^{3 \times 3} : \mathbf{R}^T\mathbf{R} = \mathbf{I}, \det(\mathbf{R}) = 1\}

3.2 장점

• 직관적이고 시각적으로 이해하기 쉽다.
• 회전 합성이 행렬 곱으로 단순하다.
• 벡터 회전이 행렬 곱으로 직접 가능하다.
• 특이점이 없다.
• 좌표계 사이의 변환을 명확히 표현한다.

3.3 단점

• 9개의 매개변수와 6개의 제약(직교성)으로 중복이 많다.
• 저장 공간과 연산 비용이 크다.
• 직교성 보존을 위한 추가 처리가 필요하다.
• 보간이 직접적이지 않다.

4. 오일러 각

4.1 정의

오일러 각은 세 개의 회전 각으로 표현된다.

(\phi, \theta, \psi)

회전 순서(예: ZYX, ZYZ)에 따라 12가지 정의가 가능하다.

4.2 장점

• 매개변수가 3개로 가장 적다.
• 인간이 직관적으로 이해하기 쉽다(롤, 피치, 요).
• 사용자 인터페이스에 적합하다.

4.3 단점

• 짐벌 락 특이점이 존재한다.
• 회전 합성이 복잡하다.
• 정의의 비통일성(여러 회전 순서)으로 혼동이 생길 수 있다.
• 보간이 부드럽지 않을 수 있다.

5. 축-각도 표현

5.1 정의

회전 축 \hat{\mathbf{u}}와 회전 각 \theta로 표현된다.

(\hat{\mathbf{u}}, \theta), \quad \hat{\mathbf{u}} \in \mathbb{S}^2, \theta \in [0, 2\pi)

5.2 장점

• 기하학적 의미가 명확하다.
• 축과 각이 직접 분리된다.
• 회전 벡터로 변환이 용이하다.

5.3 단점

• 회전 합성이 복잡하다.
• \theta = 0에서 축이 정의되지 않는다.
• 4개의 매개변수와 1개의 제약(축의 단위 노름)이 있다.

6. 회전 벡터

6.1 정의

축-각도를 단일 벡터로 결합한 형태이다.

\boldsymbol{\theta} = \theta\hat{\mathbf{u}} \in \mathbb{R}^3

6.2 장점

• 매개변수가 3개로 적다.
• 영 벡터가 항등 회전이다.
• 리 대수 \mathfrak{so}(3)의 원소이다.
• 비선형 최적화에 적합하다.

6.3 단점

• 큰 회전(\theta = \pi 근처)에서 특이점이 발생한다.
• 회전 합성이 복잡하다(BCH 공식 필요).

7. 단위 쿼터니언

7.1 정의

\mathbf{q} = [q_w, q_x, q_y, q_z]^T \in \mathbb{S}^3

7.2 장점

• 매개변수가 4개로 적당하다.
• 짐벌 락이 없다.
• 회전 합성이 단순하다(쿼터니언 곱).
• 매끄러운 보간이 가능하다(SLERP).
• 모든 자세 영역에서 균등하다.
• 수치적으로 안정적이다.

7.3 단점

• 이중 포복(부호 모호성)이 존재한다.
• 단위 노름 제약이 있다.
• 4차원이라 직관적 해석이 어렵다.

8. 로드리게스 매개변수

8.1 정의

\boldsymbol{\rho} = \tan(\theta/2)\hat{\mathbf{u}}

8.2 장점

• 매개변수가 3개로 적다.
• 카일리 변환을 통한 회전 행렬과의 변환이 용이하다.

8.3 단점

• \theta = \pi에서 무한대 발산이 발생한다.
• 큰 회전을 표현할 수 없다.

9. 수정 로드리게스 매개변수(MRP)

9.1 정의

\boldsymbol{\sigma} = \tan(\theta/4)\hat{\mathbf{u}}

9.2 장점

• 매개변수가 3개로 적다.
• \theta = 2\pi까지 표현 가능하다(로드리게스보다 넓다).
• 그림자 매개변수를 사용하여 모든 자세를 표현할 수 있다.

9.3 단점

• \theta = 2\pi에서 특이점이 있다.
• 그림자 매개변수 처리가 복잡하다.

10. 표현 방법의 종합 비교

10.1 표

10.2 계산 효율

쿼터니언이 회전 합성에서 더 효율적이며, 회전 행렬이 벡터 회전에서 더 효율적이다.

11. 응용에 따른 선택 기준

11.1 자세 추정

자세 추정에서는 쿼터니언이 가장 일반적으로 사용된다. 이유는 다음과 같다.

• 짐벌 락이 없어 모든 자세에서 안정적이다.
• 적분이 단순하다.
• 수치적으로 안정적이다.

확장 칼만 필터, 곱셈 EKF, 오차 상태 칼만 필터 등 모든 자세 추정 알고리즘이 쿼터니언을 사용한다.

11.2 자세 제어

자세 제어에서도 쿼터니언이 표준이다. 자세 오차가 자연스럽게 정의되고 PID 제어기와 결합이 쉽다.

11.3 운동 계획

운동 계획에서는 자세 보간이 핵심이며, 쿼터니언의 SLERP이 부드러운 보간을 제공한다.

11.4 사용자 인터페이스

사용자가 자세를 직접 입력하는 인터페이스에서는 오일러 각이 직관적이다. 다만 내부적으로는 쿼터니언으로 변환하여 사용한다.

11.5 컴퓨터 그래픽스

컴퓨터 그래픽스에서는 회전 행렬과 쿼터니언이 모두 사용된다. 행렬 곱이 GPU 하드웨어에 의해 가속되므로 회전 행렬이 효율적이다. 보간 시에는 쿼터니언이 사용된다.

11.6 비선형 최적화

비선형 최적화에서는 쿼터니언이나 회전 벡터가 사용된다. 쿼터니언의 단위 노름 제약을 적절히 처리해야 하며, 회전 벡터는 작은 회전에서 효율적이지만 큰 회전에서는 특이점에 주의해야 한다.

11.7 메모리 제약 환경

메모리가 제약되는 임베디드 환경에서는 매개변수가 적은 표현이 선호된다. 쿼터니언(4개)이 좋은 절충점이다.

11.8 큰 자세 변화

큰 자세 변화(예: 곡예 비행)가 예상되는 응용에서는 특이점이 없는 쿼터니언이 필수적이다.

12. 표현 사이의 변환

12.1 변환의 빈도

응용 환경에서 다양한 표현 사이의 변환이 자주 필요하다. 예를 들어 사용자 인터페이스(오일러 각) → 내부 처리(쿼터니언) → 출력(회전 행렬) 등이다.

12.2 변환의 정확성

변환 알고리즘은 수치적으로 안정적이어야 한다. 회전 행렬에서 쿼터니언으로의 변환에는 셰퍼드 방법이 권장된다.

12.3 라이브러리 지원

Eigen, ROS의 tf2, Sophus 등 주요 라이브러리는 다양한 변환 함수를 제공한다.

13. 표현의 위상적 한계

13.1 헤어볼 정리와 자세 표현

회전군 SO(3)은 3차원 매끄러운 다양체이지만, 단일한 매끄러운 매개변수화는 불가능하다. 이는 위상적 사실이며, 모든 3 매개변수 표현은 어떤 형태로든 특이점을 가진다.

13.2 매개변수 표현의 이유

쿼터니언은 4개의 매개변수와 1개의 제약을 사용함으로써 매끄러운 표현을 가능하게 한다. 그러나 그 대가로 이중 포복이 발생한다.

13.3 매개변수 표현의 이유

회전 행렬은 9개의 매개변수와 6개의 제약을 사용한다. 매끄러우며 일대일이지만, 중복이 크다.

14. 선택의 일반적 권장사항

다양한 응용 분야에 대한 일반적 권장사항은 다음과 같다.

14.1 연구와 개발

쿼터니언을 기본으로 사용하고, 필요에 따라 다른 표현으로 변환한다. 쿼터니언의 일반성과 안정성이 가장 균형 잡힌 선택이다.

14.2 산업 응용

회전 행렬과 쿼터니언을 모두 사용할 준비가 되어 있어야 한다. 인터페이스에 따라 다른 표현이 사용될 수 있다.

14.3 임베디드 시스템

쿼터니언이 메모리와 계산 효율의 균형을 제공한다. 정규화 전략을 잘 설계하면 안정적이다.

14.4 고성능 그래픽스

회전 행렬을 GPU 처리에 사용하고, 보간 시 쿼터니언으로 변환한다.

14.5 사용자 인터페이스

오일러 각을 노출하되, 내부 처리는 쿼터니언으로 한다.

15. 표현 선택의 함정

15.1 짐벌 락 무시

오일러 각의 짐벌 락은 곡예 비행, 우주선 자세 제어 등에서 치명적이다. 이러한 응용에서는 절대 오일러 각을 사용하면 안 된다.

15.2 과도한 변환

표현 사이의 빈번한 변환은 성능을 저하시키며 수치 오차를 누적시킨다. 가능한 한 일관된 표현을 유지한다.

15.3 부호 모호성 방치

쿼터니언의 부호 모호성을 처리하지 않으면 풀림 현상 등 예상치 못한 동작이 발생한다.

15.4 단위성 손실

수치 적분 후 정규화를 잊으면 단위성이 손상된다. 단위성 유지는 필수이다.

16. 미래의 발전 방향

16.1 학습 기반 표현

신경망에서 회전을 표현하는 방식이 활발히 연구되고 있다. 6차원 표현(Zhou et al.)이나 SVD 기반 표현 등이 제안되어 있다.

16.2 분포 표현

자세의 불확실성을 명시적으로 표현하는 분포 기반 방법이 사용되고 있다. Bingham 분포나 von Mises-Fisher 분포 등이 자세 추정에서 활용된다.

16.3 이중 쿼터니언

자세와 위치를 통합적으로 표현하는 이중 쿼터니언이 일부 응용에서 사용된다. 매니퓰레이터 운동학과 강체 변환에 적합하다.

17. 참고 문헌

• Diebel, J. (2006). “Representing attitude: Euler angles, unit quaternions, and rotation vectors.” Stanford University Technical Report.
• Shuster, M. D. (1993). “A survey of attitude representations.” Journal of the Astronautical Sciences, 41(4), 439–517.
• Stuelpnagel, J. (1964). “On the parametrization of the three-dimensional rotation group.” SIAM Review, 6(4), 422–430.
• Zhou, Y., Barnes, C., Lu, J., Yang, J., & Li, H. (2019). “On the continuity of rotation representations in neural networks.” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 5745–5753.
• Markley, F. L., & Crassidis, J. L. (2014). Fundamentals of Spacecraft Attitude Determination and Control. Springer.

version: 1.0