机器视觉基础(2)---坐标与矩阵变换

坐标与矩阵变换时矩阵论的基础，也是机器人，机器视觉技术的基础。这本加州理工的教材沿用了机器人技术中的表达方式。这里记录一下
ps:MIT Ocw课程《线性代数》真的非常非常有用，原本一知半解的问题现在都明白了。

空间中的一个向量

空间中的一个向量就是空间中的一个向量。

就像来自遥远宇宙的一束光，不知道它从哪里来，也不知道它到哪里去，从我们头上掠过，波澜不惊。

好了，这句看起来很装逼的话其实可以用向量空间的语言来解释。

1. 不知道它在它老家的 坐标系 中是如何表达的，但是那个坐标系肯定存在，而且它的目的地在那个坐标系中有个坐标，从起点到终点的连线就是这道光。或者说这个向量
2. 也不知道它到哪里去。它的终点也一定有个 坐标系 记录了这道光到达的位置，和它飞来的方向。也是一个向量。
3. 作为一个地球人，我们看见这道光从头上飞了过去，我们看见了它的指向，从一个点，指向另一个点。光还是这道光。

这表示，空间中的一个向量有很多表达方式，但是向量还是这个向量，本质没变。用向量空间符号表示为：

$$\begin{bmatrix}^Ai&^Aj&^Ak\end{bmatrix} \begin{bmatrix} ^Ax\\^Ay\\^Az\end{bmatrix}=\begin{bmatrix}^Bi&^Bj&^Bk\end{bmatrix} \begin{bmatrix} ^Bx\\^By\\^Bz\end{bmatrix}$$

向量坐标的关系

从向量表示，可以看出$^AP$ 和 $^BP$ 存在一定关系，这种关系可以表示为：

$$\begin{bmatrix}^Ai&^Aj&^Ak\end{bmatrix} \begin{bmatrix} ^Ax\\^Ay\\^Az\end{bmatrix}=\begin{bmatrix}^Bi&^Bj&^Bk\end{bmatrix} \begin{bmatrix} ^Bx\\^By\\^Bz\end{bmatrix}$$

⎡⎣⎢BiBjBk