Lecture 3 2D变换

变换

变换

模型变换

正运动学：已知各关节的角度，求末端的位置姿态。

逆运动学：已知末端位置姿态，求各关节转角。

视图变换

从3D到2D投影

二维变换

把矩阵和变换联系起来

缩放变换

横轴和纵轴都变为了原来的1/2，即缩放了0.5倍，原来的任意坐标（x，y）经过缩放s后成了（x‘，y'）

写成矩阵形式，如图。图中含S的矩阵称为缩放矩阵

x方向缩小为原来的0.5倍，y方向缩放原来的1倍。sx=0.5 ，sy=1

反射

水平翻转

切变

y=0处水平位移为0；y=1处水平位移是a；垂直位移总是0（y‘=y）；y=0.5处水平位移是a/2；

任何的x在水平方向上的位移都是ay，即x’=x+ay，写成矩阵形式如上图。

注：要写出一个变换矩阵，就要找出一个对应，找出变化之前的（x，y），和变化之后的（x‘，y'）两者之间的一个关系。

旋转

(默认关于原点(0,0)旋转，逆时针方向旋转)

旋转θ角度：边长为1的矩形，用（1，0）点和（0，1）点对应得到（cosθ，sinθ）和（-sinθ，cosθ）

旋转-θ角度：边长为1的矩形，用（1，0）点和（0，1）点对应得到（cosθ，-sinθ）和（sinθ，cosθ）

相当于对旋转θ角度的矩阵做了一个转置，即旋转矩阵的逆等于旋转矩阵的转置。

在数学上，如果一个矩阵的逆等于这个矩阵的转置，那么这个矩阵称为 正交矩阵。

可以写成下面矩阵形式的变换称为线性变换（相同维度）

齐次坐标

平移不是线性变换，所以不能写成矩阵形式。

我们不希望把平移变换当作一个特殊的变换，希望有一种统一的方法可以表示各种各样的变换，包括平移、旋转等。所以引进齐次坐标。

trade off：权衡（为了引进一种方便的表述，空间换时间或者时间换空间 ，此消彼长，（没有免费的午餐））

通过对二维的点或者向量增加一个维度的方式，把平移变换也写成矩阵乘以向量的形式。

向量具有平移不变性。最后一个数字为0是为了保护向量经过平移变换后依然是他自己。

增加的一个数字是w，点加点在2维上表示的点是（x/w，y/w，1），w≠0，w=0的时候，x,y就成了向量，不再是点了。

一个点加另一个点，在齐次坐标的表示下。表示的是这两个点的中点。

所有的仿射变换都可以写成齐次坐标的形式

在表示二维情况下的仿射变换的时候，齐次坐标对应的矩阵的最后一行是（0，0，1）

逆变换

把一个变换的操作反过来就是他的逆变换。

M-在矩阵和几何意义上都是变换M的逆。

组合变换

先平移再旋转：

先旋转再平移：

变换顺序很重要！！！顺序不一样，得到的结果不一样。矩阵乘法不满足交换律；

矩阵是从右到左逐个应用的。下面是先做旋转，旋转45°，再做平移，向x方向平移一个单位。

仿射变换序列A1，A2，A3，…… ，组成矩阵乘法非常重要的性能!。

也可以对n个变换矩阵进行预乘，得到一个表示组合变换的矩阵，再去乘需要变换的矩阵

变换不但可以组合，也可以分解复杂变换

如何绕给定的点c旋转?

1. 将所有的点沿着-c方向移动一定 2. 旋转 3.从原点沿着c方向移回来

Matrix representation?

T(c) · R(α) · T(−c)