Games101笔记-Lecture04

最新推荐文章于 2024-07-14 00:28:22 发布

noob404

最新推荐文章于 2024-07-14 00:28:22 发布

阅读量189

点赞数

分类专栏： games101 文章标签：线性代数

本文链接：https://blog.csdn.net/noob404/article/details/115563711

版权

games101 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

3D Transformation

Affine Transformation

$\begin{pmatrix}x'\\y'\\z'\\1\end{pmatrix}=\begin{pmatrix}a&b&c&t_x\\d&e&f&t_y\\g&h&i&t_z\\0&0&0&1\end{pmatrix}\cdot\begin{pmatrix}x\\y\\z\\1\end{pmatrix}$

作用顺序是先进行线性变换（旋转、缩放）再进行平移变换，作用结果与三维矩阵乘三维向量加上一个代表位移的三维向量效果一致。

Scale

$\bold{S}(s_x, s_y, s_z)=\begin{pmatrix}s_x&0&0&0\\0&s_y&0&0\\0&0&s_z&0\\0&0&0&1\end{pmatrix}$

Translation

$\bold{T}(t_x, t_y, t_z)=\begin{pmatrix}1&0&0&t_x\\0&1&0&t_y\\0&0&1&t_z\\0&0&0&1\end{pmatrix}$

Rotation

绕x,y,z轴旋转
在这里插入图片描述

$\bold{R}_x(\alpha)=\begin{pmatrix}1&0&0&0\\0&\cos{\alpha}&-\sin{\alpha}&0\\0&\sin{\alpha}&\cos{\alpha}&0\\0&0&0&1\end{pmatrix}$

绕y轴旋转的矩阵的 $-\sin{\alpha}$ 在左下角而不是右上角，这里貌似是y轴是 $\vec{z}\times\vec{x}$ 的出来的，和xyz这个顺序不一样（顺序一样的时候y应该由 $\vec{x}\times\vec{z}$ 得到）
$\bold{R}_y(\alpha)=\begin{pmatrix}\cos{\alpha}&0&\sin{\alpha}&0\\0&1&0&0\\-\sin{\alpha}&0&\cos{\alpha}&0\\0&0&0&1\end{pmatrix}$

$\bold{R}_z(\alpha)=\begin{pmatrix}\cos{\alpha}&-\sin{\alpha}&0&0\\\sin{\alpha}&\cos{\alpha}&0&0\\0&0&1&0\\0&0&0&1\end{pmatrix}$

Rodrigues’ Rotation Formula

描述绕轴 $\vec{n}$ 旋转 $\alpha$ (默认轴过原点，如果不过原点则先将其移动到原点，旋转后再移回原位)
$\bold{R}(\bold{n}, \alpha)=\cos{(\alpha)}\bold{I}+(1-\cos{(\alpha}))\bold{n}\bold{n}^T+\sin{(\alpha)}\underbrace{\begin{pmatrix}0&-n_z&n_y\\ n_z&0&-n_x\\-n_y&n_x&0\end{pmatrix}}_{\bold{N}}$

证明（课程附带资料）如下：
在这里插入图片描述

描述 $\vec{s}绕任一轴\vec{a}$ 旋转
$\vec{s}$ 在 $\vec{a}$ 上的投影 $\vec{s_{//}}=(\vec{a}\cdot\vec{s})\vec{a}=\vec{a}\vec{a}^T\vec{s}$ ，其中 $\vec{a}\vec{a}^T$ 为张量积。

证明张量积等于投影：
$(\vec{a}\cdot\vec{s})\vec{a}=(a_xs_x+a_ys_y+a_zs_z)\begin{pmatrix}a_x\\a_y\\a_z\end{pmatrix}=\begin{pmatrix}a_{x}^2&a_xa_y&a_xa_z\\a_xa_y&a_{y}^2&a_ya_z\\a_xa_z&a_ya_z&a_{z}^2\end{pmatrix}\begin{pmatrix}s_x\\s_y\\s_z\end{pmatrix}=aa^T\vec{s}$

将 $\vec{s}分解为\vec{s_\perp}和\vec{s_{//}},\vec{s_{\perp}}=\vec{s}-\vec{s_{//}}$
设 $\vec{b}=normalize(\vec{s_{\perp}})=\frac{\vec{s_{\perp}}}{\|\vec{s\perp}\|}，显然\vec{b}与\vec{a}互相垂直。$

设向量 $\vec{c}=\vec{a}\times\vec{b}=\frac{\vec{a}\times\vec{s_{\perp}}}{\|\vec{s_{\perp}}\|}=\frac{\vec{a}\times\vec{s}}{\|\vec{s_{\perp}\|}}（\vec{s}和\vec{a}平行的部分叉乘结果为0）$
$\vec{s}绕\vec{a}旋转旋转\theta角的结果\vec{s^{Rot}}=\vec{s_{\perp}^{Rot}}+\vec{s_{//}}(因为\vec{s_{//}}不参与旋转)$
而 $\vec{s_{\perp}^{Rot}}=\|\vec{s_{\perp}}\|\cos{\theta}\vec{b}+\|\vec{s_{\perp}}\|\sin{\theta}\vec{c}$
化简 $\vec{s^{Rot}}=\vec{s_{\perp}^{Rot}}+\vec{s_{//}}\\= \cos{\theta}\vec{s_\perp}+\sin{\theta}\vec{a}\times\vec{s}+\vec{s_{//}}，将叉乘写成矩阵形式\\= \cos{\theta}(\vec{s}-\vec{s_{//}})+\vec{s_{//}}+\sin{\theta}\begin{pmatrix}0&-a_z&a_y\\a_z&0&-a_x\\-a_y&a_x&0\end{pmatrix}\vec{s}\\ =\cos{\theta}\vec{s}+(1-\cos{\theta})\vec{s_{//}}+\sin{\theta}\begin{pmatrix}0&-a_z&a_y\\a_z&0&-a_x\\-a_y&a_x&0\end{pmatrix}\vec{s}\\ =(\cos{\theta}\bold{I}+(1-\cos{\theta})aa^T+\sin{\theta}\begin{pmatrix}0&-a_z&a_y\\a_z&0&-a_x\\-a_y&a_x&0\end{pmatrix})\vec{s}$
证毕

Viewing Transformation

View/Camera Transformation

将物品渲染到窗口要经过三次变换
model：将物品按照世界坐标摆放
view：将物品从世界坐标转换为以摄像机为原点的坐标
projection：将物品从以摄像机为原点的坐标投影到窗口所在的平面

如何得到View Transformation

先定义摄像机：

Postition $\vec{e}$
Look-at / gaze $\hat{g}$
Up direction $\hat{t}$ (假定与look-at向量垂直)

然后将摄像机移动到原点，并将摄像机的三个轴与原点的三个轴对齐，则View Transformation可以分解成移动和旋转矩阵轮流作用。
$M_{view}=R_{view}T_{view}$
在这里插入图片描述

移动到原点的矩阵很容易得到：
$T_{view}=\begin{pmatrix} 1&0&0&-x_e\\ 0&1&0&-y_e\\ 0&0&1&-z_e\\ 0&0&0&1\end{pmatrix}$

但将三个轴对齐的矩阵就不那么直观。我们可以先写出将原点的三个轴旋转到和摄像机三个轴对齐的矩阵，然后再求逆矩阵获得。
将原点三个轴转到摄像机三个轴的矩阵很容易得到，即将三基向量变成摄像机的三个轴的基向量即可：
$R^{-1}_{view}=\begin{pmatrix} x_{\hat{g}\times\hat{t}} & x_t & x_{-g} & 0\\ y_{\hat{g}\times\hat{t}} & y_t & y_{-g} & 0\\ z_{\hat{g}\times\hat{t}} & z_t & z_{-g} & 0\\ 0 & 0 & 0 & 1\end{pmatrix}$

又因为旋转矩阵为正交矩阵，所以逆矩阵为转置矩阵：
$R_{view}=\begin{pmatrix} x_{\hat{g}\times\hat{t}} &y_{\hat{g}\times\hat{t}} &z_{\hat{g}\times\hat{t}} & 0\\ x_t & y_t &z_t & 0\\ x_{-g} & y_{-g} & z_{-g} & 0\\ 0 & 0 & 0 & 1\end{pmatrix}$

对世界坐标中的物体施展View Transformation，则可得到其在以相机为原点的坐标系中的坐标。

Project Transformation

投影矩阵分两种：

Orthographic project 正交投影
Perspective project 透视投影
本质表现的区别就是透视投影会有近大远小的效果。

Orthographic project

在空间中定义一个立方体( [l, r] x [b, t] x [f, n] ，这里f要比n小)，将立方体转换为canonical (正则、规范、标准)” cube( [-1, 1]3)。这个过程中物体会被拉伸
在这里插入图片描述
正交变换
$M_{ortho}=S_{ortho}T_{ortho}=\begin{pmatrix} \frac{2}{r-l}&0&0&0\\ 0&\frac{2}{t-b}&0&0\\ 0&0&\frac{2}{n-f}&0\\ 0&0&0&1\end{pmatrix} \begin{pmatrix} 1&0&0&-\frac{r+l}{2}\\ 0&1&0&-\frac{t+b}{2}\\ 0&0&1&-\frac{n+f}{2}\\ 0&0&0&1\end{pmatrix}$

Perspective project

可以先将远平面的物体压缩到一个和近平面等大的平面上（这个变换定义为 $M_{perp->ortho}$ ），再实施正交投影。
在这里插入图片描述
从侧方观察视锥，可得相似三角形关系：

同理可得 $x^{'}=\frac{n}{z}x$
在齐次坐标中：
$\begin{pmatrix}x^{'}\\y^{'}\\z^{'}\\1\end{pmatrix}\implies\begin{pmatrix}nx/z\\nt/z\\unkown\\1\end{pmatrix}==\begin{pmatrix}nx\\ny\\still\ unkown\\z\end{pmatrix}$
可得
$M_{perp->ortho}\begin{pmatrix}x\\y\\z\\1\end{pmatrix}=\begin{pmatrix}nx\\ny\\still\ unkown\\z\end{pmatrix}$

由此可得出矩阵的部分数值
$M_{perp->ortho}=\begin{pmatrix} n&0&0&0\\ 0&n&0&0\\ ?&?&?&？\\ 0&0&1&0\end{pmatrix}$

然后考察两个关系：

任何在近平面的点变换前后不变
在远平面的点的z值在变换前后不变

写出两个关系可得：
近平面上（z=n）：
$M_{perp->orhto}\begin{pmatrix}x\\y\\n\\1\end{pmatrix}=\begin{pmatrix}x\\y\\n\\1\end{pmatrix}==\begin{pmatrix}nx\\ny\\n_2\\n\end{pmatrix}$

由于z分量和xy无关,设:
$M_{perp->ortho}=\begin{pmatrix} n&0&0&0\\ 0&n&0&0\\ 0&0&A&B\\ 0&0&1&0\end{pmatrix}$
其中 $An+B=n^2$

远平面（n=f）,取点(0, 0, f, 1)：
$M_{perp->orhto}\begin{pmatrix}0\\0\\f\\1\end{pmatrix}=\begin{pmatrix}0\\0\\f\\1\end{pmatrix}==\begin{pmatrix}0\\0\\f^2\\f\end{pmatrix}$
$得到Af+B=f^2$
结合两式解的
$\newline B=-nf$

至此，已经得到了 $M_{perp->ortho}$
而透视矩阵为
$M_{perp}=M_{orhto}M_{perp->orhto}$

图片来源均为课程PPT

noob404

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Games101笔记-Lecture04

3D TransformationAffine Transformation(x′y′z′1)=(abctxdeftyghitz0001)⋅(xyz1)\begin{pmatrix}x'\\y'\\z'\\1\end{pmatrix}=\begin{pmatrix}a&b&c&t_x\\d&e&f&t_y\\g&h&i&t_z\\0&0&0&1\end{pmatrix}\cdot\begin{pmatrix}
复制链接

扫一扫