基本变换

最新推荐文章于 2020-02-23 13:15:49 发布

luixiao1220

最新推荐文章于 2020-02-23 13:15:49 发布

阅读量300

点赞数

分类专栏：实时渲染文章标签：基本变换矩阵变换

本文链接：https://blog.csdn.net/luixiao1220/article/details/100572001

版权

实时渲染专栏收录该内容

5 篇文章 1 订阅

订阅专栏

UTF8gbsn

关于齐次坐标 {#ux5173ux4e8eux9f50ux6b21ux5750ux6807}

首先，空间变换一般使用仿射空间，也就是变换同时包含平移，旋转等。通常使用其次坐标，使用齐次坐标的好处，和优点。

仿射空间可以区分点和向量。
- 向量 $P_x,P_y,P_z, 0)$
- 点 $P_x,P_y,P_z, 1)$ ,其中点的坐标为 $P_x,P_y,P_z)$
- 两个点的差是一个向量。
可以表示无穷远处
- 如果 $(1, 2, 1, 0)$ 表示一个点，那么这个点就是无穷远点
  $(1 / 0, 2 / 0, 1 / 0)$
- 因为两条平行线相较于无穷远点
$\left\{\begin{array}{c}{A \frac{x}{w}+B \frac{y}{w}+C=0} \\ {A \frac{x}{w}+B \frac{y}{w}+D=0}\end{array} \Rightarrow\left\{\begin{array}{l}{A x+B y+C w=0} \\ {A x+B y+D w=0}\end{array}\right.\right.$

移动 {#ux79fbux52a8}

把一个物体平移 $t_{x}, t_{y}, t_{z})$ 。它的矩阵形式如下。

$\mathbf{T}(\mathbf{t})=\mathbf{T}\left(t_{x}, t_{y}, t_{z}\right)=\left(\begin{array}{cccc}{1} & {0} & {0} & {t_{x}} \\ {0} & {1} & {0} & {t_{y}} \\ {0} & {0} & {1} & {t_{z}} \\ {0} & {0} & {0} & {1}\end{array}\right)$

在这里插入图片描述

旋转 {#ux65cbux8f6c}

对于绕坐标轴的旋转矩阵。有三个，分别为

$\mathbf{R}_{x}(\phi)=\left(\begin{array}{cccc}{1} & {0} & {0} & {0} \\ {0} & {\cos \phi} & {-\sin \phi} & {0} \\ {0} & {\sin \phi} & {\cos \phi} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$

$\mathbf{R}_{y}(\phi)=\left(\begin{array}{cccc}{\cos \phi} & {0} & {\sin \phi} & {0} \\ {0} & {1} & {0} & {0} \\ {-\sin \phi} & {0} & {\cos \phi} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$

$\mathbf{R}_{z}(\phi)=\left(\begin{array}{cccc}{\cos \phi} & {-\sin \phi} & {0} & {0} \\ {\sin \phi} & {\cos \phi} & {0} & {0} \\ {0} & {0} & {1} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$

另外绕任意一点的旋转矩阵可以这么来写。

$\mathbf{X}=\mathbf{T}(\mathbf{p}) \mathbf{R}_{z}(\phi) \mathbf{T}(-\mathbf{p})$

旋转矩阵的逆矩阵很好写

$\mathbf{R}_{i}^{-1}(\phi)=\mathbf{R}_{i}(-\phi)$

::: {#ux6709ux8da3ux7684ux5c5eux6027}
有趣的属性 {#ux6709ux8da3ux7684ux5c5eux6027}

:::

然后我们来提一个属性，这个对于绕任何一个轴的旋转矩阵都成立。

$Tr(R)=1+2cos(\phi)$

其中 $\varPhi$ 为旋转角度。Tr是对角线元素之和。如何来证明这个东西？

首先来证明Tr(AB)=Tr(BA)

$\operatorname{tr}(A B)=\sum_{i=1}^{m}(A B)_{i i}=\sum_{i=1}^{m} \sum_{j=1}^{n} a_{i j} b_{j i}=\sum_{i=1}^{m} \sum_{j=1}^{n} b_{j i} a_{i j}=\sum_{i=1}^{n}(B A)_{i i}=Tr(BA)$

下一步我们可以把任意的旋转矩阵改写为绕x轴旋转的矩阵 $R=QR_{x}Q^{-1}$ 其中 $R_{x}$ 的迹为 $1+2cos(\phi)$ .运用上面的公式可得
$Tr(R)=Tr(QR_{x}Q^{-1})=Tr(R_{x}Q^{-1}Q)=Tr(R_{x})=1+2cos(\phi)$

其中Q是一个单位正交阵 $QQ^{-1}=I$ ,用于进行空间变换，把点变换到旋转轴为x轴的所在空间中。

放缩 {#ux653eux7f29}

放缩矩阵
$\mathbf{S}(\mathbf{s})=\left(\begin{array}{cccc}{s_{x}} & {0} & {0} & {0} \\ {0} & {s_{y}} & {0} & {0} \\ {0} & {0} & {s_{z}} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$
如果 $s_x=x_y=x_z$ ，那么我们叫做等比放缩矩阵。它的逆变换为
$\mathbf{S}^{-1}(\mathbf{s})=\mathbf{S}\left(1 / s_{x}, 1 / s_{y}, 1 / s_{z}\right)$
等价表示形式为

$\mathbf{S}=\left(\begin{array}{cccc}{5} & {0} & {0} & {0} \\ {0} & {5} & {0} & {0} \\ {0} & {0} & {5} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right), \quad \mathbf{S}^{\prime}=\left(\begin{array}{cccc}{1} & {0} & {0} & {0} \\ {0} & {1} & {0} & {0} \\ {0} & {0} & {1} & {0} \\ {0} & {0} & {0} & {1 / 5}\end{array}\right)$

但是我们一般不适用第二种形式，因为需要除以第四元素得到最终目标点。会增加计算量。
反射矩阵，在放缩矩阵中，如果某个量或者三个量都取反。那么矩阵编程一个反射矩阵。如果其中两个元素取反。实际上变成一个旋转矩阵。
- 反射矩阵会影响三角形的点阵顺序，顺时针可能变成逆时针。所以需要特殊处理。
- 如何判断反射矩阵？计算变换矩阵的上面 $3\times 3$ 矩阵的行列式。如果为负数，则是旋转矩阵。
假设有三个轴 $f_x,f_y,f_z$ 他们互相垂直。并且是单位向量。那么如何构建这三个轴的放缩矩阵 $X$ ？

$\mathbf{F}=\left(\begin{array}{cccc}{\mathbf{f}^{x}} & {\mathbf{f}^{y}} & {\mathbf{f}^{z}} & {\mathbf{0}} \\ {0} & {0} & {0} & {1}\end{array}\right)$

构建如下 $X=FS(s)F^{T}$

斜切 {#ux659cux5207}

$\mathbf{H}_{x y}(s), \mathbf{H}_{x z}(s), \mathbf{H}_{y x}(s), \mathbf{H}_{y z}(s), \mathbf{H}_{z x}(s), \text { and } \mathbf{H}_{z y}(s)$

$\mathbf{H}_{x z}(s)=\left(\begin{array}{cccc}{1} & {0} & {s} & {0} \\ {0} & {1} & {0} & {0} \\ {0} & {0} & {1} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$

错切矩阵的逆 $\mathbf{H}_{i j}^{-1}(s)=\mathbf{H}_{i j}(-s)$

沿两个轴的错切矩阵

$\mathbf{H}_{x y}^{\prime}(s, t)=\left(\begin{array}{cccc}{1} & {0} & {s} & {0} \\ {0} & {1} & {t} & {0} \\ {0} & {0} & {1} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)$

$\mathbf{H}_{i j}^{\prime}(s, t)=\mathbf{H}_{i k}(s) \mathbf{H}_{j k}(t)$

Shear matrix preserve the volume.

$∣ H ∣ = 1$

连续变换 {#ux8fdeux7eedux53d8ux6362}

一般的图形变换顺序是，错切,旋转,移动。 $Q = T R S (p)$

p is a point

刚体变换 {#ux521aux4f53ux53d8ux6362}

刚体转动的性质:长度，角度，坐标系的手性不会改变。任何一个刚体变换都可以写作移动和旋转矩阵的链接。

$\mathbf{X}=\mathbf{T}(\mathbf{t}) \mathbf{R}=\left(\begin{array}{cccc}{r_{00}} & {r_{01}} & {r_{02}} & {t_{x}} \\ {r_{10}} & {r_{11}} & {r_{12}} & {t_{y}} \\ {r_{20}} & {r_{21}} & {r_{22}} & {t_{z}} \\ {0} & {0} & {0} & {1}\end{array}\right)$

我们可以定义简单的形式。

$\overline{\mathbf{R}}=\left(\begin{array}{lll}{\mathbf{r}_{, 0}} & {\mathbf{r}_{, 1}} & {\mathbf{r}_{, 2}}\end{array}\right)=\left(\begin{array}{c}{\mathbf{r}_{0}^{T}} \\ {\mathbf{r}_{1}^{T}} \\ {\mathbf{r}_{2}^{T}}\end{array}\right)$

$\mathbf{X}=\left(\begin{array}{ll}{\overline{\mathbf{R}}} & {\mathbf{t}} \\ {\mathbf{0}^{T}} & {1}\end{array}\right)$

$\mathbf{X}^{-1}=\left(\begin{array}{cccc}{\mathbf{r}_{0},} & {\mathbf{r}_{1},} & {\mathbf{r}_{2},} & {-\overline{\mathbf{R}}^{T} \mathbf{t}} \\ {0} & {0} & {0} & {1}\end{array}\right)$

如何把点变换到摄像机空间， $v, u$ 其中v，为摄像机所指向的方向,u为摄像机定部的方向。可以利用 $r=v\otimes u$ .这样就可以构造一个摄像机空间。

$\mathbf{M}=\left(\begin{array}{cccc}{r_{x}} & {r_{y}} & {r_{z}} & {0} \\ {u_{x}} & {u_{y}} & {u_{z}} & {0} \\ {v_{x}} & {v_{y}} & {v_{z}} & {0} \\ {0} & {0} & {0} & {1}\end{array}\right)\left(\begin{array}{cccc}{1} & {0} & {0} & {-t_{x}} \\ {0} & {1} & {0} & {-t_{y}} \\ {0} & {0} & {1} & {-t_{z}} \\ {0} & {0} & {0} & {1}\end{array}\right)=\left(\begin{array}{cccc}{r_{x}} & {r_{y}} & {r_{z}} & {-\mathbf{t} \cdot \mathbf{r}} \\ {u_{x}} & {u_{y}} & {u_{z}} & {-\mathbf{t} \cdot \mathbf{u}} \\ {v_{x}} & {v_{y}} & {v_{z}} & {-\mathbf{t} \cdot \mathbf{v}} \\ {0} & {0} & {0} & {1}\end{array}\right)$

其中，t是摄像机所在的位置。

法向量变换

H 为点的变换矩阵。

$H(p_1-p_2)=H(v)\Rightarrow H(v)\cdot M(n)=0$

$v^TH^TM n = 0 \Rightarrow H^TM=|H|I \Rightarrow M=(H^{*})^T$

所以法向量的转换为 $M=(H^{*})^T$ ,而常规的点的变换为 $H$ .之所以不能直接使用 $H$ 的原因是，H会放缩图形。

逆矩阵

优化计算逆矩阵速度

$M=T(t)R(\varPhi)\Rightarrow M^{-1}=R(\varPhi)T(-t)$
如果M是正交阵 $M^{-1}=M^T$
if the inverse is to be used for transforming vectors,then only the
3 × 3 upper left part of the matrix normally needs to be inverted.

luixiao1220

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
基本变换

UTF8gbsn关于齐次坐标 {#ux5173ux4e8eux9f50ux6b21ux5750ux6807}首先，空间变换一般使用仿射空间，也就是变换同时包含平移，旋转等。通常使用其次坐标，使用齐次坐标的好处，和优点。仿射空间可以区分点和向量。向量 (Px,Py,Pz,0)(P_x,P_y,P_z, 0)(Px,Py,Pz,0)点 (Px,Py,Pz,1)(P_x,P_...
复制链接

扫一扫