一文带你深刻理解三维曲面法向量的推导计算

最新推荐文章于 2025-03-25 20:01:02 发布

走过那年CK

最新推荐文章于 2025-03-25 20:01:02 发布

阅读量2.6w

点赞数 22

分类专栏： OpenGL 文章标签：三维法向量

本文链接：https://blog.csdn.net/u012997465/article/details/78715823

版权

OpenGL 专栏收录该内容

2 篇文章

订阅专栏

一直以来，对空间曲面的隐函数的梯度表示法向量理解不是很深刻，感觉不如向量叉乘来的直观，本文就是利用向量叉乘表明曲面梯度为啥就是法向量。
这里写图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

走过那年CK

关注关注

22
点赞
踩
39

收藏

觉得还不错? 一键收藏
4
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

一文解读深度学习中的Normalization模型

迈微AI研习社 · 号主

07-23

758

BN是深度学习进展中里程碑式的工作之一，无论是希望深入了解深度学习，还是在实践中解决实际问题，BN及一系列改进Normalization工作都是绕不开的重要环节。

一文了解单线激光扫描系统的标定与成像原理

m0_59578498的博客

06-24

9864

单线激光扫描系统简介单线激光系统标定原理单线激光系统重建原理介绍单线激光扫描系统简介单线激光扫描系统由单线激光器和2d相机组成。激光器投射出一条激光线，在三维空间中构成一个激光平面，与待测物体的曲面相交，形成一条曲线，该曲线被相机拍摄到后，通过三角测量原理，可得这一曲线上每点的三维坐标。单线激光系统标定原理单线激光系统标定工作主要完成相机标定和激光平面方程的确定。相机标定是确定相机的像素坐标与世界坐标系之间的关系，即相机内参和外参。具体的操作过程准备一个尺寸已..

4 条评论您还未登录，请先登录后发表或查看评论

OpenGL+MFC显示三维点云中每一个点的法向量，Release版本

09-08

相应的博客链接：OpenGL+MFC对三维点云的法向量实现可视化 - HW140701的博客 - CSDN博客 http://blog.csdn.net/hw140701/article/details/77899725

关于曲面方程的法向量的求法

LEMONSOLID的博客

06-21

9891

曲面方程的法向量的求法

拉普拉斯算子

最新发布

2301_82143894的博客

03-25

889

简单来说，它不只看灰度有没有变化（那是梯度算子的事），而是看灰度变化本身是不是在变。比如，从平缓变到陡峭的地方，或者从亮到暗的转折点，这些往往是边缘的位置。Laplacian算子就像一个“边缘放大镜”，擅长找到灰度变化的转折点，用在边缘检测时能给出很精确的边界位置。比如，从亮的区域突然变暗（边缘），二阶导数会在这里产生一个峰值或谷值，这些转折点通常就是边缘。噪声敏感：因为是二阶导数，噪声（小的随机波动）会被放大。二阶导数（Laplacian）：告诉你坡度本身在怎么变——是变得更陡了，还是平了，还是反向了。

空间解析几何 | 空间曲线与平面几何量推导

"You are worthy! You can do it!"

05-21

5432

一、空间曲线的切线和法平面推导完毕 ~ 法平面就更简单了~ 二、空间曲面的切平面和法向量 just 无中生有建议搭配视频食用~ 【小崔说数】空间曲面的切平面和法向量_哔哩哔哩_bilibili ...

如何理解三维曲面的法线向量公式？

最不正经的计算机专业学生

04-13

1万+

作者：玟清链接：https://www.zhihu.com/question/34019475/answer/57764660来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。原答案如下（其实是错的）：三维空间中的曲面可理解为三维空间中的标量场的等值面，是每一点处的梯度，也就是值的变化最大的方向，直观上就是该等值面的法向方向。考虑全微分公式若和都在曲面上，则，于是即与曲...

三维空间中平面的法向量计算

u011442652的专栏

07-12

3万+

三维空间中平面的法向量 取平面上三点分别为： P1(x1,y1,z1), P2(x2,y2,z2), P3(x3,y3,z3), 设法向量为(dx,dy,dz), 则法向量满足以下等式：(x2-x1)*dx+(y2-y1)*dy+(z2-z1)*dz=0; (x3-x1)*dx+(y3-y1)*dy+(z3-z1)*dz=0; (x3-x2)*dx+(y3-y2)*dy+(z3

KinectFusion公式推导、理解

GongBingjian

12-30

7215

“KinectFusion Real-Time Dense Surface Mapping and Tracking”一文于2012年发表，该文章首次实现了实时稠密重建（Real time dense restruction），我认为微软的Kinect深度相机是其成功的根本，该文章也是首次成功应用了深度相机，是做实时稠密重建（Real time dense restruction）方向的必读论文。

一文吃透相机标定（Camera calibration），my write

小硕算法工程师

03-14

746

通过前面的几个步骤，我们已经得到了各个坐标系之间的相互转换关系（不考虑畸变）：进一步的就可以得到从像素坐标系到世界坐标系的变换关系：进一步化简：这个公式就是整个单目相机在理想情况下的成像公式，可以建立世界坐标系到像素坐标系的一一映射。OK，到此我们就清楚的了解了相机标定的第一个目的---求解内外参数以及之间的转换关系。通过上面的推导，我们可以总结一下，要实现从物空间任意一点到相机图像的投影我们需要计算得到哪些参数：利用相机标定的算法（张正友标定法）

机器学习、深度学习中常用的优化算法详解——梯度下降法、牛顿法、共轭梯度法

小马日记

10-22

5978

一、梯度下降法 1、总述：在机器学习中，基于基本的梯度下降法发展了三种梯度下降方法，分别为随机梯度下降法，批量梯度下降法以及小批量梯度下降法。（1）批量梯度下降法（Batch Gradient Descent，BGD） BGD 得到的是一个全局最优解，但是批量梯度下降法在更新每一个参数时，都需要所有的训练样本，如果样本的数量很大，那么可想而知这种方法的迭代速度会相当的慢。从迭代的次数上来看，B...

点云的曲面法向量估计

u013541523的博客

04-28

4510

转自：点云的曲面法向量估计表面法线是几何体表面的重要属性，在很多领域都有大量应用，例如：在进行光照渲染时产生符合可视习惯的效果时需要表面法线信息才能正常进行，对于一个已知的几何体表面，根据垂直于点表面的矢量，因此推断表面某一点的法线方向通常比较简单。然而，由于我们获取的点云数据集在真实物体的表面表现为一组定点样本，这样就会有两种解决方法：使用曲面重建技术，从获取的点云数据集中得到采样点对应的曲面，...

曲面单位法矢的导数

qq_41627703的博客

12-06

1741

曲面法矢的导数

空间曲面的法向量，法线，切平面

wcqgmztmn的博客

11-09

730

Polygon 3D（三维平面多边形）的法向量的计算（MeshLab默认的计算）

weixin_43851636的博客

12-24

3307

目的：网格法向量的计算最近发现一个非常有意思的东西，网上的资料较少，所以记下来供大家查阅，就是在网格化三维polygon 3d的时候，对于polygon 3d的法向量和网格化为三角形的时候。生成obj文件的时候三角面片的方向只和三角形的顶点顺序有关。如果三角面片上进行顶点的normal设置，可能毫无效果。在meshlab中只和顶点的顺序有关。polygon 3d的法向量和三角面片的法向量一致。三角面片的法向量： ...

三维空间中平面的法向量计算(2)

u011442652的专栏

12-16

1万+

假如平面上有三个不同点P1（x1,y1,z1），P2（x2,y2,z2），P3（x3,y3,z3），则该平面的法向量n是一个跟向量P1P2，向量P2P3，向量P1P3，都垂直的向量。之前用垂直向量的数量积（点积）为0的方法，解方程求得法向量，算法复杂性较高，参见之前写的文章：http://blog.csdn.net/u011442652/article/details/37727977 其实，除

【Unity入门】20.三维向量

Lampard的博客

04-29

5232

介绍了向量的点乘，叉乘，长度等属性，并且在unity中的使用接口~

已知三点求平面的法向量 —— 两种方法

热门推荐

在到处之间找我

12-11

6万+

最近学图形学时遇到了这个问题，PPT 给的大概是一个通过线性代数的方法求的，有点看不懂。加上线性代数早就忘光了，更加是一脸茫然。但是这个知识点在高中讲过，自己却怎么也记不起来了，直到今天突然记起来了，特此记录一下。问题描述已知三点 P1(x1,y1,y1)，P2(x2,y2,y2)，P3(x3,y3,y3)P_1(x_1, y_1, y_1)，P_2(x_2, y_2, y_2)，P_3(x_...

【OpenGL】平面法向量、顶点法向量的计算方法

梦想博客

11-21

2万+

平面法向量计算平面法向量知识介绍：对于平面法向量计算实质就是：平面内两非平行向量的叉积(又称"外积、向量积、叉乘")为该平面的法向量。根据两向量相乘的前后顺序计算得到两个方向相反的法向量。用公式表示为：平面内两非平行法向量：a, b (c为法向量) a×b = c b×a = -c 上式合并即为： a×b = -b×a 可见，同样是两个向量相乘，不同相乘顺序得到的向量方向是相反的...

一文带你入门向量数据库milvus

02-23

### Milvus 向量数据库入门教程 #### 一、基本概念与功能概述 Milvus 是一款专为处理非结构化数据设计的强大向量数据库，旨在解决复杂语义关系和高维向量数据的相似性检索问题[^1]。相比于传统的关系型数据库，Milvus 提供了更加智能化和高效的检索方式，适用于需要语义理解和多模态处理的应用场景。 #### 二、安装与环境配置对于初学者来说，推荐使用 **Milvus Lite** 版本进行本地 Python 程序开发。该版本非常适合初次接触 Milvus 的用户，因为它简单易用且无需复杂的部署流程[^2]。而对于更大规模的数据集或生产环境中，则建议考虑 Docker 或 Kubernetes 部署方案。这些高级部署模式不仅提供了更高的灵活性，还保持了 API 的一致性，使得迁移变得轻松便捷。 #### 三、核心操作指南 ##### 创建集合 (Collection) 在开始之前，首先要定义并创建一个新的集合用于存储向量数据： ```python from pymilvus import CollectionSchema, FieldSchema, DataType, connections, utility connections.connect("default") fields = [ FieldSchema(name="id", dtype=DataType.INT64, is_primary=True), FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=128) ] schema = CollectionSchema(fields, description="Example collection") collection = Collection(name="example_collection", schema=schema) ``` ##### 插入数据接着可以往刚刚建立好的集合里插入一些测试数据： ```python import numpy as np data = [ [i for i in range(10)], # id field data [[np.random.rand() * 0.5 for _ in range(128)] for _ in range(10)] # embedding vectors ] mr = collection.insert(data) print(f"Number of entities inserted: {len(mr.primary_keys)}") ``` ##### 构建索引为了提高查询效率，在实际应用中通常会对特定字段构建索引来加速搜索速度。这里以 HNSW 索引为例展示如何设置参数并创建索引： ```python index_params = { "index_type": "HNSW", "metric_type": "L2", "params": {"M": 16, "efConstruction": 64} } collection.create_index(field_name="embedding", index_params=index_params) ``` ##### 执行搜索最后一步就是利用已有的索引来进行高效地向量相似度匹配查找： ```python search_param = {"metric_type": "L2", "params": {"ef": 10}} results = collection.search( data=[[0.1]*128], param=search_param, limit=3, expr=None, output_fields=["id"] ) for result in results: print(result) ``` 以上便是关于 Milvus 向量数据库的基础入门指导，涵盖了从安装到执行具体任务所需的各个重要环节[^3][^4].