3D空间表征基础

本文所指三维空间中的表征默认是在一组单位正交基构成的右手系下所进行的欧氏变换。欧氏变换(刚性变换):改变物体的空间位置,不改变形状、大小,包括旋转变换和平移变换。

向量表征和基本运算

空间中的点/向量可以表征为a⃗=[e⃗1,e⃗2,e⃗3][a1,a2,a3]T\vec a=[\vec e_1, \vec e_2, \vec e_3][a_1, a_2, a_3]^Ta =[e 1,e 2,e 3][a1,a2,a3]T

向量点积
a⃗⋅b⃗=a⃗Tb⃗=∑i=13aibi=∣a⃗∣∣b⃗∣cos<a⃗,b⃗>\vec a \cdot \vec b =\vec a^T \vec b = \sum_{i=1}^{3}{a_i b_i} = |\vec a||\vec b|cos<\vec a, \vec b>a ⋅b =a Tb =∑i=13aibi=∣a ∣∣b ∣cos<a ,b >

向量叉积
a⃗×b⃗=∥e⃗1e⃗2e⃗3a1a2a3b1b2b3∥=a⃗ ˆ b⃗\vec a \times \vec b = {\begin{Vmatrix} \vec e_1 & \vec e_2 & \vec e_3 \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{Vmatrix}} = \vec a \ \^{} \ \vec ba ×b = e 1a1b1e 2a2b2e 3a3b3 =a ˆ b , a⃗ ˆ\vec a \ \^{}a ˆ是用a⃗\vec aa 构建的一个反对称矩阵,对角线上元素从左到右从上到下依次为−a3,a2,−a1-a_3, a_2, -a_1−a3,a2,−a1。

刚体运动可以用欧式变换来表征,尺度、各个面的角度等性质不会变。欧氏变换包括旋转和平移

旋转变换

给定两组单位正交基[e⃗1,e⃗2,e⃗3],[e⃗1′,e⃗2′,e⃗3′][\vec e_1, \vec e_2, \vec e_3], [\vec e_1', \vec e_2', \vec e_3'][e 1,e 2,e 3],[e 1′,e 2′,e 3′],表征了两个原点重合的坐标系。

同一向量在两组基下的表征分别为[e⃗1,e⃗2,e⃗3][a1,a2,a3]T=[e⃗1′,e⃗2′,e⃗3′][a1′,a2′,a3′]T[\vec e_1, \vec e_2, \vec e_3][a_1, a_2, a_3]^T = [\vec e_1', \vec e_2', \vec e_3'][a_1', a_2', a_3']^T[e 1,e 2,e 3][a1,a2,a3]T=[e 1′,e 2′,e 3′][a1′,a2′,a3′]T,式两边同时左乘[e⃗1,e⃗2,e⃗3]T[\vec e_1, \vec e_2, \vec e_3]^T[e 1,e 2,e 3]T可以自然得到旋转矩阵表征,矩阵R\bold RR表征了从坐标系2到坐标系1的旋转变换。由于是单位正交基,等式左边前面左乘的结果为单位矩阵,等式右边矩阵的结果
R=[e1Te1′e1Te2′e1Te3′e2Te1′e2Te2′e2Te3′e3Te1′e3Te2′e3Te3′] \bold R=\begin{bmatrix} e_1^Te_1' & e_1^Te_2' & e_1^Te_3' \\ e_2^Te_1' & e_2^Te_2' & e_2^Te_3' \\ e_3^Te_1' & e_3^Te_2' & e_3^Te_3' \end{bmatrix} R= e1Te1′e2Te1′e3Te1′e1Te2′e2Te2′e3Te2′e1Te3′e2Te3′e3Te3′

由于是两组单位正交基,得到的结果为各轴之间的夹角,并且det(R)=1det(\bold R) = 1det(R)=1。

要反过来得到R−1\bold R^{-1}R−1,只需要对原式两边左乘[e⃗1′,e⃗2′,e⃗3′]T[\vec e_1', \vec e_2', \vec e_3']^T[e 1′,e 2′,e 3′]T,得到[e⃗1′,e⃗2′,e⃗3′]T[e⃗1,e⃗2,e⃗3]=RT[\vec e_1', \vec e_2', \vec e_3']^T [\vec e_1, \vec e_2, \vec e_3] = \bold R^T[e 1′,e 2′,e 3′]T[e 1,e 2,e 3]=RT,故旋转矩阵R\bold RR为正交矩阵。

旋转矩阵所在的集合为特殊正交群
SO(n)={R∈∣RRT=I,det(R)=1}SO(n) = \{R\in|\bold R\bold R^T = \bold I, det(\bold R) = 1\}SO(n)={R∈∣RRT=I,det(R)=1}

平移变换

两个不重合的坐标系,在坐标系1下坐标系1到坐标系2原点的向量为t12t_{12}t12,坐标系2到坐标系1的旋转变换为R12R_{12}R12,则
a1=R12a12+t12a_{1} = \bold R_{12}a_{12}+\bold t_{12}a1=R12a12+t12

扩展为齐次坐标的四维向量,则变换矩阵可以表征为
T=[Rt01],R∈R3×3,t∈R3 T=\begin{bmatrix} \bold R & \bold t \\ \bold 0 & 1 \\ \end{bmatrix}, \bold R \in \mathbb{R}^{3\times 3}, \bold t \in \mathbb{R}^3 T=[R0t1],R∈R3×3,t∈R3

变换a1=Ta2\bold a_1 = \bold T \bold a_2a1=Ta2
T\bold TT所在的集合为特殊欧式群SE(3)SE(3)SE(3)

相关推荐
bzmK1DTbd19 小时前
OpenGL与Java:JOGL库的3D图形渲染实战
java·3d·图形渲染
动恰客流管家2 天前
动恰3DV3丨2026年实体商业数字化转型:客流数据是第一生产力——全场景智慧客流解决方案
大数据·人工智能·3d·性能优化
charlie1145141912 天前
通用GUI编程技术——图形渲染实战(四十)——深度缓冲与3D变换:从平面到立体
开发语言·c++·平面·3d·图形渲染·win32
cy_cy0022 天前
互动滑轨屏如何优化参观动线?
科技·3d·人机交互·交互·软件构建
Coovally AI模型快速验证2 天前
CVPR 2026|PanDA:首个多模态3D全景分割的无监督域适应框架
人工智能·3d·视觉检测·工业质检
AGV算法笔记3 天前
CVPR 2024顶级SLAM论文精读:SplaTAM如何用3D高斯实现稠密RGB-D SLAM?
深度学习·3d·机器人视觉·slam·三维重建
hhhhhh_we3 天前
皮肤人格的工程化实现:预颜美历如何用3D点云与循环神经网络构建数字孪生人格
图像处理·人工智能·rnn·深度学习·神经网络·3d·产品运营
Coovally AI模型快速验证3 天前
YOLO26仓储检测实战:物体定位+有向边界框+姿态估计+实例分割,一个模型盯住整个仓库
大数据·人工智能·3d·视觉检测·工业质检
三维频道3 天前
柔性材料3D数字化:蓝光扫描在内衣胸垫设计与质检中的应用
人工智能·3d·逆向工程·蓝光3d扫描仪·服装数字化·内衣设计·柔性材料检测
三维频道3 天前
岩土力学微观探索:蓝光3D扫描在断面粗糙度分析中的应用
3d·新拓三维·xtom·蓝光3d扫描仪·岩土力学·结构面粗糙度·jrc