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
阿巴Jun5 小时前
【数学】线性代数知识点总结
笔记·线性代数·矩阵
scx_link14 小时前
数学知识--行向量与矩阵相乘,和矩阵与行向量相乘的区别
线性代数·矩阵
EQUINOX114 小时前
矩阵的对称,反对称分解
线性代数·矩阵
郝学胜-神的一滴14 小时前
基于OpenGL封装摄像机类:视图矩阵与透视矩阵的实现
c++·qt·线性代数·矩阵·游戏引擎·图形渲染
十子木19 小时前
线性方程求解器的矩阵分裂
线性代数·矩阵
人机与认知实验室2 天前
人机环境系统智能矩阵理论
线性代数·矩阵
fFee-ops3 天前
73. 矩阵置零
线性代数·矩阵
码界奇点4 天前
豆包新模型矩阵与PromptPilot构建企业级AI开发的体系化解决方案
人工智能·线性代数·ai·语言模型·矩阵·硬件工程
酸奶乳酪4 天前
矩阵和向量的双重视角
线性代数·矩阵
lytk994 天前
矩阵中寻找好子矩阵
线性代数·算法·矩阵