视图矩阵推导

线性代数知识背景

1.基本概念

α 1,α 2,...,α n 是 n 维空间 R n 中的线性无关 的向量组,则任一向量 βR n 均可由 α 1,α 2,...,α n 线性表示,即 β = k1*α 1 + k2*α 2 + ... + kn*α n,,称有序向量组 α 1,α 2,...,α n是 R n 的一个 ,基向量的个数 n 称为向量空间的维数 ,而 [k1,k2,...,kn] 称为向量 β 在基α 1,α 2,...,α n下的坐标 ,或称为 β 的坐标行(列)向量。

2.基变换、坐标变化

定理1:α 1,α 2,...,α n 和 β 1,β 2,...,β n 是R n中的两个基,且有关系 [α 1,α 2,...,α n] = [β 1,β 2,...,β n] * C ,则称此式为由基β 1,β 2,...,β n 到基 α 1,α 2,...,α n 的基变换公式 ,矩阵C 称为由基 β 1,β 2,...,β n 到基 α 1,α 2,...,α n 的过渡矩阵C 的第 i 列是α i 在基 β 1,β 2,...,β n 下的坐标列向量,且过渡矩阵 C可逆矩阵

定理2 γ 在基 α 1,α 2,...,α n 和 β 1,β 2,...,β n 下的坐标分别是y =[y1,y2,...,yn],x =[x1,x2,...xn],即 γ = [α 1,α 2,...,α n]*y = [β 1,β 2,...,β n]*x 若基 β 1,β 2,...,β3 到基α 1,α 2,...,α n 过渡矩阵为 C ,即 [α 1,α 2,...,α n] = [β 1,β 2,...,β n] * C ,则γ = [α 1,α 2,...,α n]*y = [β 1,β 2,...,β n]*x = [β 1,β 2,...,β n]*C *y ,得x = C *y ,此式称为坐标变换公式 。(过渡矩阵C可通过基所构成的逆矩阵求得)

空间中对边向量相等的四边形是平行四边形

视图矩阵推导

已知α 1,α 2,α 3为世界坐标系的基,β 1,β 2,β 3作为相机坐标系的基,且基α 1,α 2,...,α n 到基 β 1,β 2,...,β n 的过渡矩阵为M ;在世界坐标系中有点P(x,y,z)、向量α(x,y,z),求P点在相机坐标系中的坐标。

世界坐标系中,可将α 看作过起点o1 (0,0,0)和终点P 的向量,由定理2可得,在相机坐标系中向量α 可表示 β= α*M ;相机坐标系中将β 看作过起点o2 (0,0,0)和终点P1 (坐标同 β 坐标) 的向量;α、β表示三维空间中的同一向量,故四边形 o1,o2,P1,P为平行四边形,则向量(o1,o2)与向量(P,P1)为三维空间中的同一向量;在相机空间中,点o1,o2,P1坐标已知,所以点P在相机空间的坐标易得。

个人理解,不当之处,请各位大佬指出~~~

相关推荐
老歌老听老掉牙11 小时前
平面旋转与交线投影夹角计算
python·线性代数·平面·sympy
呵呵哒( ̄▽ ̄)"14 小时前
线性代数:公共解
线性代数
呵呵哒( ̄▽ ̄)"15 小时前
线性代数:同解(1)
python·线性代数·机器学习
SweetCode15 小时前
裴蜀定理:整数解的奥秘
数据结构·python·线性代数·算法·机器学习
ElseWhereR2 天前
矩阵对角线元素的和 - 简单
线性代数·矩阵
y5236485 天前
PowerBI 矩阵,列标题自定义排序
线性代数·矩阵·powerbi
幻风_huanfeng5 天前
人工智能之数学基础:矩阵的相似变换的本质是什么?
人工智能·深度学习·线性代数·机器学习·矩阵·相似变换
passxgx6 天前
7.3 主成分分析(PCA)
线性代数
管理前沿6 天前
软件兼容性测试的矩阵爆炸问题有哪些解决方案
线性代数·矩阵
Ypuyu6 天前
[M模拟] lc3446. 按对角线进行矩阵排序(对角线遍历+公式推导+模板题)
线性代数·矩阵