一、正交矩阵
概念: AAT=E A A T = E
性质: 各行/列是单位向量且两两正交
二、变换矩阵
1.包括:左上旋转、右上平移、左下缩放、右下为1
2.旋转向量->旋转矩阵:通过Rodrigues
|2017.2.19.22.56
三、向量
1、点乘(内积)a·b=|a|·|b|·cos
2、叉乘(外积)得到垂直向量
四、齐次坐标
<资料>http://blog.csdn.net/pinbodexiaozhu/article/details/43373299
1.目的:
- 合并矩阵中的加法和乘法(即平移和旋转)
- 把二维、三维甚至更高维度中的一个点集从一个坐标系变换到另一个坐标系
2.将n维的向量用n+1维表示,表示不唯一,例如(8,4,2)和(4,2,1)都表示(4,2)
3.正常化处理:将n+1项化为1
|2017.3.11 17:23
五、变换
- 视图变换:将世界坐标转为相机坐标
- 模型变换:旋转、平移、缩放
- 投影变换:
- 正投影
- 透视投影
- 视口变换
六、Jacobian
矩阵
-) Example-
f:R2→R2,f(x,y)=[x2y5x+siny]
f
:
R
2
→
R
2
,
f
(
x
,
y
)
=
[
x
2
y
5
x
+
s
i
n
y
]
f1(x,y)=x2y f 1 ( x , y ) = x 2 y
f2(x,y)=5x+siny f 2 ( x , y ) = 5 x + s i n y - 例如:如果用 (x′,y′)=f(x,y) ( x ′ , y ′ ) = f ( x , y ) 来变换一张图像,则雅可比矩阵就描述了 (x,y) ( x , y ) 周围的变换。
-)可用作线性逼近(类似泰勒展开)
- 如果f在p点可微且x点在p点附近,则 f(x)=f(p)+Jf(p)(x−p)+o(||x−p||) f ( x ) = f ( p ) + J f ( p ) ( x − p ) + o ( | | x − p | | )
-
f:R2→R2,f(x,y)=[x2y5x+siny]
f
:
R
2
→
R
2
,
f
(
x
,
y
)
=
[
x
2
y
5
x
+
s
i
n
y
]
- 行列式
-) if the Jacobian determinant at p is positive, then f preserves orientation near p; if it is negative, f reverses orientation.