三维向量旋转

三维向量旋转

  • 问题描述
  • 问题分析
  • [v ⃗ ∣ ∣ \vec{v}{||} v ∣∣的旋转](#v ⃗ ∣ ∣ \vec{v}{||} v ∣∣的旋转)
  • [v ⃗ ⊥ \vec{v}{\bot} v ⊥的旋转](#v ⃗ ⊥ \vec{v}{\bot} v ⊥的旋转)
  • [v ⃗ \vec{v} v 的旋转](#v ⃗ \vec{v} v 的旋转)
  • 结论
  • 致谢

问题描述

如图1所示,设一个向量 v ⃗ \vec{v} v 绕另一个向量 u ⃗ = [ x , y , z ] T \vec{u}=[x,y,z]^{T} u =[x,y,z]T旋转 θ 度,变换到 v ⃗ ′ \vec{v}^{'} v ′。

求旋转后得到的向量 v ⃗ ′ \vec{v}^{'} v ′的表示形式。

图1 三维向量旋转示意图

问题分析

由于转轴 u ⃗ \vec{u} u 的模长 ∣ ∣ u ⃗ ∣ ∣ ||\vec{u}|| ∣∣u ∣∣对旋转结果没有影响,所以可以假设 ∣ ∣ u ⃗ ∣ ∣ = 1 ||\vec{u}||=1 ∣∣u ∣∣=1。

可以将 v ⃗ \vec{v} v 分解为平行于旋转轴 u ⃗ \vec{u} u 以及正交(垂直)于 u ⃗ \vec{u} u 的两个分量, v ⃗ ∣ ∣ \vec{v}{||} v ∣∣和 v ⃗ ⊥ \vec{v}{\bot} v ⊥,即 v ⃗ = v ⃗ ∣ ∣ + v ⃗ ⊥ \vec{v}=\vec{v}{||}+\vec{v}{\bot} v =v ∣∣+v ⊥

可以分别旋转这两个分向量,再将它们旋转的结果相加获得旋转后的向量
v ⃗ ′ = v ⃗ ∣ ∣ ′ + v ⃗ ⊥ ′ \vec{v}^{'}=\vec{v}{||}^{'}+\vec{v}{\bot}^{'} v ′=v ∣∣′+v ⊥′

图2 将 v ⃗ \vec{v} v 分解为平行于旋转轴 u ⃗ \vec{u} u 以及正交(垂直)于 u ⃗ \vec{u} u 的两个分量
可以看到, v ⃗ ∣ ∣ \vec{v}{||} v ∣∣其实就是 v ⃗ \vec{v} v 在 u ⃗ \vec{u} u 上的正交投影,根据正交投影的公式,可以得出:
v ⃗ ∣ ∣ = u ⃗ ⋅ v ⃗ u ⃗ ⋅ u ⃗ u ⃗ = u ⃗ ⋅ v ⃗ ∣ ∣ u ⃗ ∣ ∣ 2 u ⃗ \vec{v}
{||} = \frac{\vec{u}\cdot\vec{v}}{\vec{u}\cdot\vec{u}}\vec{u}=\frac{\vec{u}\cdot\vec{v}}{||\vec{u}||^{2}}\vec{u} v ∣∣=u ⋅u u ⋅v u =∣∣u ∣∣2u ⋅v u
根据 ∣ ∣ u ⃗ ∣ ∣ = 1 ||\vec{u}||=1 ∣∣u ∣∣=1,可得: v ⃗ ∣ ∣ = ( u ⃗ ⋅ v ⃗ ) u ⃗ \vec{v}{||} = (\vec{u}\cdot\vec{v})\vec{u} v ∣∣=(u ⋅v )u
因为 v ⃗ = v ⃗ ∣ ∣ + v ⃗ ⊥ \vec{v}=\vec{v}
{||}+\vec{v}{\bot} v =v ∣∣+v ⊥,所以: v ⃗ ⊥ = v ⃗ − v ⃗ ∣ ∣ = v ⃗ − ( u ⃗ ⋅ v ⃗ ) u ⃗ \vec{v}{\bot} =\vec{v}-\vec{v}{||} =\vec{v}-(\vec{u}\cdot\vec{v})\vec{u} v ⊥=v −v ∣∣=v −(u ⋅v )u
分别求 v ⃗ ∣ ∣ \vec{v}
{||} v ∣∣和 v ⃗ ⊥ \vec{v}_{\bot} v ⊥的旋转结果就能得到 v ⃗ \vec{v} v 的旋转结果。

v ⃗ ∣ ∣ \vec{v}_{||} v ∣∣的旋转

这种情况其实非常简单,从图2中就可以看到, v ⃗ ∣ ∣ \vec{v}_{||} v ∣∣其实根本就没有被旋转,仍然与旋转轴 u ⃗ \vec{u} u 重合,所以:

当 v ⃗ ∣ ∣ \vec{v}{||} v ∣∣平行于旋转轴 u ⃗ \vec{u} u 时,旋转 θ 角度之后的 v ⃗ ∣ ∣ ′ \vec{v}{||}^{'} v ∣∣′为: v ⃗ ∣ ∣ ′ = v ⃗ ∣ ∣ \vec{v}{||}^{'}=\vec{v}{||} v ∣∣′=v ∣∣

v ⃗ ⊥ \vec{v}_{\bot} v ⊥的旋转

因为 v ⃗ ⊥ \vec{v}{\bot} v ⊥与 u ⃗ \vec{u} u 的是正交的,这个旋转可以看做是平面内的一个旋转。因为旋转不改变 v ⃗ ⊥ \vec{v}{\bot} v ⊥的长度,所以旋转路径是一个圆。下面是这个旋转的示意图,右侧的为俯视图:

图3 v ⃗ \vec{v} v 绕轴 u ⃗ \vec{u} u 旋转的俯视图
现在,3D 的旋转被转化为了 2D 平面上的旋转.由于在这个平面上们只有一个向量 v ⃗ ⊥ \vec{v}{\bot} v ⊥,用它来表示一个旋转是不够的,还需要构造一个同时正交于 u ⃗ \vec{u} u 和 v ⃗ ⊥ \vec{v}{\bot} v ⊥的向量 w ⃗ \vec{w} w ,这个可以通过叉乘来获得:
w ⃗ = u ⃗ × v ⃗ ⊥ \vec{w}=\vec{u}×\vec{v}{\bot} w =u ×v ⊥
注意叉乘的顺序,因为使用的是右手坐标系统,按照右手定则可以发现这个新的向量 w ⃗ \vec{w} w 指向 v ⃗ ⊥ \vec{v}
{\bot} v ⊥逆时针旋转 𝜋/2 后的方向,并且和 v ⃗ ⊥ \vec{v}{\bot} v ⊥一样也处于正交于 u ⃗ \vec{u} u 的平面内.因为 ∣ ∣ u ⃗ ∣ ∣ = 1 ||\vec{u}||=1 ∣∣u ∣∣=1,可以发现 ∣ ∣ w ⃗ ∣ ∣ = ∣ ∣ u ⃗ × v ⃗ ⊥ ∣ ∣ = ∣ ∣ u ⃗ ∣ ∣ ⋅ ∣ ∣ v ⃗ ⊥ ∣ ∣ ⋅ s i n ( π / 2 ) = ∣ ∣ v ⃗ ⊥ ∣ ∣ ||\vec{w}||=||\vec{u}×\vec{v}{\bot}||=||\vec{u}||\cdot||\vec{v}{\bot}||\cdot sin(\pi/2)=||\vec{v}{\bot}|| ∣∣w ∣∣=∣∣u ×v ⊥∣∣=∣∣u ∣∣⋅∣∣v ⊥∣∣⋅sin(π/2)=∣∣v ⊥∣∣
也就是说, w ⃗ \vec{w} w 和 v ⃗ ⊥ \vec{v}{\bot} v ⊥的模长是相同的,所以, w ⃗ \vec{w} w 也位于圆上.有了这个新的向量 w ⃗ \vec{w} w ,就相当于在平面内有了两个坐标轴.我们现在可以把 v ⃗ ⊥ ′ \vec{v}{\bot}^{'} v ⊥′投影到 w ⃗ \vec{w} w 和 v ⃗ ⊥ \vec{v}{\bot} v ⊥上,将其分解为 v ⃗ v ′ \vec{v}{v}^{'} v v′和 v ⃗ w ′ \vec{v}{w}^{'} v w′。使用三角学的知识就能得到: v ⃗ ⊥ ′ = v ⃗ v ′ + v ⃗ w ′ = c o s ( θ ) v ⃗ ⊥ + s i n ( θ ) w ⃗ = c o s ( θ ) v ⃗ ⊥ + s i n ( θ ) ( u ⃗ × v ⃗ ⊥ ) \vec{v}{\bot}^{'}=\vec{v}{v}^{'}+\vec{v}{w}^{'}=cos(\theta)\vec{v}{\bot}+sin(\theta)\vec{w}=cos(\theta)\vec{v}{\bot}+sin(\theta)(\vec{u}×\vec{v}{\bot}) v ⊥′=v v′+v w′=cos(θ)v ⊥+sin(θ)w =cos(θ)v ⊥+sin(θ)(u ×v ⊥)
这也就完成了旋转的第二步,可以得到这样一个定理:
当 v ⃗ ⊥ \vec{v}
{\bot} v ⊥正交于旋转轴 u ⃗ \vec{u} u 时,旋转 θ 角度之后的 v ⃗ ⊥ ′ \vec{v}{\bot}^{'} v ⊥′为: v ⃗ ⊥ ′ = c o s ( θ ) v ⃗ ⊥ + s i n ( θ ) ( u ⃗ × v ⃗ ⊥ ) \vec{v}{\bot}^{'}=cos(\theta)\vec{v}{\bot}+sin(\theta)(\vec{u}×\vec{v}{\bot}) v ⊥′=cos(θ)v ⊥+sin(θ)(u ×v ⊥)

v ⃗ \vec{v} v 的旋转

将上面的两个结果组合就可以获得 v ⃗ ′ = v ⃗ ∣ ∣ ′ + v ⃗ ⊥ ′ = v ⃗ ∣ ∣ + c o s ( θ ) v ⃗ ⊥ + s i n ( θ ) ( u ⃗ × v ⃗ ⊥ ) \vec{v}^{'}=\vec{v}{||}^{'}+\vec{v}{\bot}^{'}=\vec{v}{||}+cos(\theta)\vec{v}{\bot}+sin(\theta)(\vec{u}×\vec{v}_{\bot}) v ′=v ∣∣′+v ⊥′=v ∣∣+cos(θ)v ⊥+sin(θ)(u ×v ⊥)

因为叉乘遵守分配律,
u ⃗ × v ⃗ ⊥ = u ⃗ × ( v ⃗ − v ⃗ ∥ ∣ ) = u ⃗ × v ⃗ − u ⃗ × v ⃗ ∥ ∣ = u ⃗ × v ⃗ \vec{u}×\vec{v}{\bot}= \vec{u}×(\vec{v}-\vec{v}{\||})= \vec{u}×\vec{v}-\vec{u}×\vec{v}_{\||}= \vec{u}×\vec{v} u ×v ⊥=u ×(v −v ∥∣)=u ×v −u ×v ∥∣=u ×v

最后,将 v ⃗ ∣ ∣ = ( u ⃗ ⋅ v ⃗ ) u ⃗ \vec{v}{||} = (\vec{u}\cdot\vec{v})\vec{u} v ∣∣=(u ⋅v )u 与 v ⃗ ⊥ = v ⃗ − ( u ⃗ ⋅ v ⃗ ) u ⃗ \vec{v}{\bot} =\vec{v}-(\vec{u}\cdot\vec{v})\vec{u} v ⊥=v −(u ⋅v )u 代入 v ⃗ ′ = ( u ⃗ ⋅ v ⃗ ) u ⃗ + c o s ( θ ) ( v ⃗ − ( u ⃗ ⋅ v ⃗ ) u ⃗ ) + s i n ( θ ) ( u ⃗ × v ⃗ ) = c o s ( θ ) v ⃗ + ( 1 − c o s ( θ ) ) ( u ⃗ ⋅ v ⃗ ) u ⃗ + s i n ( θ ) ( u ⃗ × v ⃗ ) \vec{v}^{'}= (\vec{u}\cdot\vec{v})\vec{u}+cos(\theta)(\vec{v}-(\vec{u}\cdot\vec{v})\vec{u})+sin(\theta)(\vec{u}×\vec{v}) \\=cos(\theta)\vec{v}+(1-cos(\theta))(\vec{u}\cdot\vec{v})\vec{u}+sin(\theta)(\vec{u}×\vec{v}) v ′=(u ⋅v )u +cos(θ)(v −(u ⋅v )u )+sin(θ)(u ×v )=cos(θ)v +(1−cos(θ))(u ⋅v )u +sin(θ)(u ×v )

结论

3D 向量旋转公式(向量型,一般情况,也叫做「Rodrigues' Rotation Formula」)

3D 空间中任意一个向量 v ⃗ \vec{v} v 沿着单位向量 u ⃗ \vec{u} u 旋转 θ 角度之后得到的向量 v ⃗ ′ \vec{v}^{'} v ′为:
v ⃗ ′ = c o s ( θ ) v ⃗ + ( 1 − c o s ( θ ) ) ( u ⃗ ⋅ v ⃗ ) u ⃗ + s i n ( θ ) ( u ⃗ × v ⃗ ) \vec{v}^{'}=cos(\theta)\vec{v}+(1-cos(\theta))(\vec{u}\cdot\vec{v})\vec{u}+sin(\theta)(\vec{u}×\vec{v}) v ′=cos(θ)v +(1−cos(θ))(u ⋅v )u +sin(θ)(u ×v )

致谢

本文主要参考https://github.com/Krasjet/quaternion

相关推荐
QomolangmaH5 个月前
【深度学习】Pytorch 系列教程(三):PyTorch数据结构:2、张量的数学运算(1):向量运算(加减乘除、数乘、内积、外积、范数、广播机制)
数据结构·pytorch·深度学习·范数·向量运算
gongfuyd8 个月前
07 点积
线性代数·矩阵·向量运算