图形学学习笔记1 --三维旋转和四元数（3D Rotations and Quaternions）

在图形学，3D视觉等领域，矩阵变换是在常见不过的一种操作，而旋转变换又是其中尤其特别的一种，我们在玩游戏时，移动鼠标看向不同地方就是在进行三维旋转；我们看到的动画电影中角色变换的身姿也是通过三维旋转实现的。因此，深入理解3维空间的旋转至关重要。

Matrix Transformation of Vector（向量的矩阵变换）

空间中的方向，位置都可以通过矩阵进行变换，${\mathbf{v}}^{\prime }=M\mathbf{v}$，旋转也不例外，想让物体在三维空间中旋转，本质上也是通过将位置乘上一个旋转矩阵的来的。

Basis（基底）

在深入探究旋转矩阵前，可以先理解下矩阵在几何领域的含义：

变换矩阵$M$的每一列都是一个基向量，$M=\left[\begin{array}{ccc}{\mathbf{e}}_1& {\mathbf{e}}_2& {\mathbf{e}}_3\end{array}\right]$，它们组成了一个本地坐标系，对于任意一个向量，我们都可以将其写作本地坐标系下的坐标。

若我们有两个本地坐标系 $M_1=\left[\begin{array}{ccc}{\mathbf{u}}_1& {\mathbf{u}}_2& {\mathbf{u}}_3\end{array}\right]$，$M_2=\left[\begin{array}{ccc}{\mathbf{v}}_1& {\mathbf{v}}_2& {\mathbf{v}}_3\end{array}\right]$，我们希望将一个用本地坐标系$M_1$表示的点坐标${\mathbf{p}}_1$用本地坐标系$M_2$表示，我们需要先将其转换到全局坐标系下，再转换到$M_2$。列举所有情况如下：

• $L_1\to W\to L_2$：${\mathbf{p}}_2=M_2^{-1}{M}_1{\mathbf{p}}_1$
• $W\to L_2$：${\mathbf{p}}_2=M_2^{-1}{\mathbf{p}}_{global}$
• $L_1\to W$：${\mathbf{p}}_{global}=M_1{\mathbf{p}}_1$

3B1B就矩阵的几何解释做了很多期相关视频，有兴趣的同学可以去看看 https://www.bilibili.com/video/BV1ib411t7YR/?spm_id_from=333.337.search-card.all.click&vd_source=aac7fb9ff30051b45d68db048d45e689。

3D Rotation

Rotation Matrix

话说回旋转矩阵，旋转变换矩阵较为特殊，旋转矩阵$R$都是正交矩阵（orthogonal matrix），即$R^T=R^{-1},\det (R)=1$。$R=\left[\begin{array}{ccc}{\mathbf{e}}_1& {\mathbf{e}}_2& {\mathbf{e}}_3\end{array}\right]$ 的基向量是互相垂直的（点积为 0），并且模长都为 1。

Rodrigues’ rotation formula（罗德里格斯旋转公式）

在三维情况下，若我们知道旋转轴向量，可以使用罗德里格斯旋转公式绕任意轴旋转。

假设我们现在有单位向量$\mathbf{w}\in {\mathbb{R}}^3$有${\mathbf{w}}^{\top }=[w_x,$