观察矩阵推导

顾名思义，观察矩阵的作用就是将一个点从世界坐标系转换到观察坐标系，这个点的实际位置并不发生变化。参考上一篇文章，问题就转化成了，假设任意点$\vec{p}$，它在世界坐标系$W$下的坐标为$(x,y,z)$，求在观察坐标系$V$下的坐标$(x^{\prime },y^{\prime },z^{\prime })$。套用公式，可得：
$$\vec{p}=x^{\prime }{\vec{i}}_V+y^{\prime }{\vec{j}}_V+z^{\prime }{\vec{k}}_V+{\vec{o}}_V=x{\vec{i}}_W+y{\vec{j}}_W+z{\vec{k}}_W+{\vec{o}}_W$$
其中$o$为坐标系的原点坐标。将上述基向量看作世界坐标系$W$下的向量，可以写成矩阵形式：
$$[x,y,z,1]=[x^{\prime },y^{\prime },z^{\prime },1]\cdot \left[\begin{array}{cc}{\vec{i}}_V& 0\\ {\vec{j}}_V& 0\\ {\vec{k}}_V& 0\\ {\vec{o}}_V& 1\end{array}\right]$$
其中，${\vec{i}}_V，{\vec{j}}_V，{\vec{k}}_V,{\vec{o}}_V$是观察坐标系$V$的基向量和原点在世界坐标系$W$的表示。一般来说，建立观察矩阵提供的参数是摄像机的世界坐标$(Q_x,Q_y,Q_z)$，摄像机观察的目标点的世界坐标$(T_x,T_y,T_z)$，代表世界up方向的向量$(U_x,U_y,U_z)$。分别求出上面矩阵的各个向量：
$${\vec{o}}_V=(Q_x,Q_y,Q_z)$$

$${\vec{k}}_V=(T_x-Q_x,T_y-Q_y,T_z-Q_Z)$$

$${\vec{i}}_V=\overrightarrow{up}\times {\vec{k}}_v$$

$${\vec{j}}_v={\vec{k}}_v\times {\vec{i}}_v$$

注意要将它们进行归一化。归一化之后，可以得到
$$\begin{gathered} [x^{\prime },y^{\prime },z^{\prime },1]=[x,y,z,1]\cdot {\left[\begin{array}{cc}{\vec{i}}_V& 0\\ {\vec{j}}_V& 0\\ {\vec{k}}_V& 0\\ {\vec{o}}_V& 1\end{array}\right]}^{-1} \\ =[x,y,z,1]\cdot (\left[\begin{array}{cc}{\vec{i}}_V& 0\\ {\vec{j}}_V& 0\\ {\vec{k}}_V& 0\\ 0& 1\end{array}\right]\cdot \left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ & {\vec{o}}_V& & 1\end{array}\right]{)}^{-1} \\ =[x,y,z,1]\cdot (\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ & -{\vec{o}}_V& & 1\end{array}\right]\cdot \left[\begin{array}{cccc}{\vec{i}}_V& {\vec{j}}_V& {\vec{k}}_V& 0\\ 0& 0& 0& 1\end{array}\right]) \\ =[x,y,z,1]\cdot \left[\begin{array}{cccc}{i}_x& j_x& k_x& 0\\ i_y& j_y& k_y& 0\\ i_z& j_z& k_z& 0\\ -{\vec{o}}_V\cdot {\vec{i}}_V& -{\vec{o}}_V\cdot {\vec{j}}_V& -{\vec{o}}_V\cdot {\vec{k}}_V& 1\end{array}\right] \end{gathered}$$
这就是我们最终要求的观察矩阵。