<6>3-D空间中的基变换与坐标变换 -Twinsen编写
-本人水平有限,疏忽错误在所难免,还请各位数学高手、编程高手不吝赐教 -我的Email-address: [email protected]
一、空间坐标系的基和基矩阵
在3-D空间中,我们用空间坐标系来规范物体的位置,空间坐标系由3个相互垂直的坐标轴组成,我们就把它们作为我们观察3-D空间的基础,空间中物体的位置可以通过它们来衡量。当我们把这3个坐标轴上单位长度的向量记为3个相互正交的单位向量i,j,k,空间中每一个点的位置都可以被这3个向量线性表出,如P<1,-2,3>这个点可以表为i-2j+3k。 3-D空间中的基变换与坐标变换/coord.gif)
我们把这3个正交的单位向量称为空间坐标系的基,它们单位长度为1且正交,所以可以成为标准正交基。三个向量叫做基向量。现在我们用矩阵形式写出基向量和基。
i = | 1 0 0 | j = | 0 1 0 |
k = | 0 0 1 |
| i | | 1 0 0 | B = | j | = | 0 1 0 |
| k | | 0 0 1 | 这样的矩阵我们叫它基矩阵。有了基矩阵,我们就可以把空间坐标系中的一个向量写成坐标乘上基矩阵的形式,比如上面的向量P可以写成: P = C x B
=>
| 1 0 0 |
| 1 -2 3 | = | 1 -2 3 | x | 0 1 0 | | 0 0 1 |
这样的话,空间坐标系下的同一个向量在不同的基下的坐标是不同的。 二、局部坐标系和局部坐标
和空间坐标系(也可以叫做全局坐标系)并存的称为局部坐标系,它有自己的基,这些基向量把空间坐标系作为参考系。比如 | x'| | -1 0 0 | B' = | y'| = | 0 1 0 |
| z'| | 0 0 -1 |
| x''| | 2^½ /2 0 2^½ /2 | B'' = | y''| = | 0 -1 0 | | z''| | -(2^½) /2 0 2^½ /2 |
就是两个局部坐标系的基,如图: 3-D空间中的基变换与坐标变换/local.gif)
现在我们可以把上面那个空间坐标中的向量P|1 -2 3|(以后都用矩阵表示)表示在不同的基下,我把它写成一个大长串的式子:
| x' | | x''| P = | Px' Py' Pz' | x | y' | = | Px'' Py'' Pz'' | x | y''| | z' | | z''| 这里| Px' Py' Pz'|是P在B'下的坐标,| Px'' Py'' Pz''|是P在B''下的坐标,我把它写的具体点吧: | -1 0 0 | | 2^½ /2 0 2^½ /2| | 1 -2 3 | = | -1 -2 -3 | x | 0 1 0 | = | 2*2^½ -2 2^½ | x | 0 -1 0 |
| 0 0 -1 | | -(2^½) /2 0 2^½ /2| 这就是说,在空间坐标系下面的向量| 1 -2 3 |在基B'下的坐标为|-1 -2 -3|,在B''下的坐标为| 2*2^½ -2 2^½ |。当然空间坐标系也有自己的基B|i j k|^T(因为是列向量,所以写成行向量的转置),但我们现在是拿它当作一个参考系。 在研究了局部坐标系之后,我现在要分析两个应用它们的例子,先来看
三、空间坐标系中一个点围绕任一轴的旋转
四、世界空间到相机空间的变换 3-D空间中的基变换与坐标变换/camera.gif)
空间坐标系XYZ,相机坐标系UVN。这时候相机空间的基(以下简称相机)在空间坐标系中围绕各个坐标轴旋转了一定角度<a,b,c>,然后移动了<x,y,z>。对于模型我们可以看作相对于相机的逆运动,即模型旋转了一定角度<-a,-b,-c>,然后移动了<-x,-y,-z>,可以把相机和物体的运动看成两个互逆的变换。这样,可以通过对相机的变换矩阵求逆来得到模型的变换矩阵。下面来具体看一下,如何得到相机变换矩阵,并且求得它的逆矩阵。 首先声明一下,对于一个模型的变换,我们可以给模型矩阵左乘变换矩阵: M x P = P' | A B C D | | x | | Ax + By + Cz + D | | E F G H | | y | | Ex + Fy + Gz + H | x = | I J K L | | z | | Ix + Jy + Kz + L | | M N O P | | 1 | | Mx + Ny + Oz + P | 也可以右乘变换矩阵: P^T x M^T = P'^T | A E I M | | B F J N | | x y z 1| x = |Ax+By+Cz+D Ex+Fy+Gz+H Ix+Jy+Kz+L Mx+Ny+Oz+P| | C G K O | | D H L P | 可以看出两种变换方式是一个转置关系,结果只是形式上的不同,但这里我们使用后者,即右乘变换矩阵,因为比较普遍。 很显然,相机的变换可以分成两个阶段:旋转和平移。我们先来看旋转。 3-D空间中的基变换与坐标变换/cmat.gif)
在空间坐标系中,相机旋转之前世界坐标系xyz和相机坐标系u0v0n0的各个轴向量的方向相同,有关系:
| u0 | | x |
P = |Pu0 Pv0 Pn0| x | v0 | = |Px Py Pz| x | y | | n0 | | z | 这里P是空间坐标系中的一个向量。|u0 v0 n0|^T是相机基矩阵,|Pu0 Pv0 Pn0|是P在相机基矩阵下的坐标。|x y z|^T是 世界基矩阵,|Px Py Pz|是P在它下面的坐标。有Pu0 = Px, Pv0 =Py, Pn0 = Pz。 相机和向量P都旋转之后,有关系:
| u | | x |
P' = |Pu0 Pv0 Pn0| x | v | = |Px' Py' Pz'| x | y | | n | | z | P'是P同相机一起旋转后的向量。|u v n|^T是相机旋转后的基矩阵,|Pu0 Pv0 Pn0|是P'在它下面的坐标,因为P是和相机一起旋转的,所以坐标不变。|x y z|^T仍为世界基矩阵,|Px' Py' Pz'|是P'在它下面的坐标。 现在看 | u | | x |
|Pu0 Pv0 Pn0| x | v | = |Px' Py' Pz'| x | y |
| n | | z | 因为|x y z|^T为一个单位阵,且Pu0 = Px, Pv0 =Py, Pn0 = Pz。 所以得到 | u |
|Px Py Pz| x | v | = |Px' Py' Pz'|
| n | 即|Px Py Pz|和相机一起旋转后变成|Px' Py' Pz'|,即P x R = P',而旋转变换矩阵R就是: | u | | v | | n | 写成标准4x4矩阵: | ux uy uz 0| | vx vy vz 0| | nx ny nz 0| | 0 0 0 1| 平移矩阵T很简单: | 1 0 0 0 | | 0 1 0 0 | | 0 0 1 0 | | x y z 1 | 则相机矩阵就是:
| ux uy uz 0 | | 1 0 0 0 | | vx vy vz 0 | | 0 1 0 0 | C = R x T = x | nx ny nz 0 | | 0 0 1 0 | | 0 0 0 1 | | x y z 1 | 它的逆矩阵,即相机的逆变换矩阵为 | 1 0 0 0 | | ux vx nx 0 | | ux vx nx 0 | | 0 1 0 0 | | uy vy ny 0 | | uy vy ny 0 | C^-1 = T^-1 x R^-1 = x = | 0 0 1 0 | | uz nz nz 0 | | uz vz nz 0 |
| -x -y -z 1 | | 0 0 0 1 | |-T.u -T.v -T.n 1 | 
|