欢迎关注更多精彩
关注我,学习常用算法与数据结构,一题多解,降维打击。
上期讲到
绕任一向量旋转矩阵计算思考与实现
点击前往
点击前往
问题提出
之前讲到绕任一向量旋转矩阵实现,原来的向量都是从原点出发,现在把出发点改变成任意一点。
除了需要计算旋转矩阵,还可以支持2个旋转矩阵的乘法操作。就是2个旋转矩阵依次作用以后的一个综合结果。
问题分析
从某点出发沿某一方向旋转实现
从原点出发的旋转是已经实现的,我的思路是把坐标系统一平移一个(-x0, -y0,-z0),然后作用旋转矩阵,最后再平移回去。
用公式表示, RT1表示旋转矩阵,O1表示出发点。
P ′ = R T 1 ⋅ ( P − O 1 ) + O 1 ( 1 ) P' = RT1\cdot(P-O1)+O1 (1) P′=RT1⋅(P−O1)+O1(1)
既我们只要用一个旋转矩阵RT加一个出发点O就可以表示这个旋转动作。那么如果是2个旋转动作叠加怎么去用一个旋转动作来表示呢。
旋转相乘
有一种方法是用奇次矩阵来表示一个平移和旋转的组合,然后矩阵可以相乘,但是这种方式需要用到4*4的矩阵效率上没有3*3的矩阵来得高。
我这边通过公式推导得到一种新的表示方法。
首先对式子(1)进行展开再合并同类项得到
P ′ = R T 1 ⋅ P + ( I − R T 1 ) ⋅ O 1 P'=RT1\cdot P+(I-RT1)\cdot O1 P′=RT1⋅P+(I−RT1)⋅O1
( I − R T 1 ) ⋅ O 1 是一个常量, (I-RT1)\cdot O1 是一个常量, (I−RT1)⋅O1是一个常量,
即只要一个表示形如 R T ⋅ P + Q ( Q 是一个常量 ) 的形式, 即只要一个表示形如 RT\cdot P+Q(Q是一个常量)的形式, 即只要一个表示形如RT⋅P+Q(Q是一个常量)的形式,
就可用一个矩阵加一个出发点的形式来表示。 就可用一个矩阵加一个出发点的形式来表示。 就可用一个矩阵加一个出发点的形式来表示。
出发点 O = ( I − R T ) − 1 Q 出发点O=(I-RT)^{-1}Q 出发点O=(I−RT)−1Q
现在有第二个旋转RT2,O2作用于P’ 得到
P ′ ′ = R T 2 ⋅ P ′ + ( I − R T 2 ) ⋅ O 2 P''=RT2\cdot P' + (I-RT2)\cdot O2 P′′=RT2⋅P′+(I−RT2)⋅O2
= R T 2 ⋅ R T 1 ⋅ P + R T 2 ⋅ ( I − R T 1 ) ⋅ O 1 + ( I − R T 2 ) ⋅ O 2 =RT2\cdot RT1 \cdot P + RT2\cdot (I-RT1)\cdot O1 + (I-RT2)\cdot O2 =RT2⋅RT1⋅P+RT2⋅(I−RT1)⋅O1+(I−RT2)⋅O2
上式中 , R T = R T 2 ⋅ R T 1 上式中, RT = RT2\cdot RT1 上式中,RT=RT2⋅RT1
O = ( I − R T ) − 1 ⋅ [ R T 2 ⋅ ( I − R T 1 ) ⋅ O 1 + ( I − R T 2 ) ⋅ O 2 ] O = (I-RT)^{-1}\cdot [RT2\cdot (I-RT1)\cdot O1 + (I-RT2)\cdot O2] O=(I−RT)−1⋅[RT2⋅(I−RT1)⋅O1+(I−RT2)⋅O2]
这样,我们就得了两个刚体变换的综合变换。
但是上面的方法有一个问题,当(I-RT)不可逆时,那么该公式失效。
我的理解是,当(I-RT)不可逆时,O并不是没有解,而是有很多个解。
那么我们要另选他法。
再观察(1)式,其实我们并不需要求出O,只要求出Q就可以了。
R T = R T 2 ⋅ R T 1 , Q = R T 2 ⋅ Q 1 + Q 2 RT = RT2\cdot RT1, Q=RT2\cdot Q_1 + Q_2 RT=RT2⋅RT1,Q=RT2⋅Q1+Q2
这个方法与奇次矩阵相比,计算量小很多。
代码实现
- 代码链接点击前往
- 代码链接点击前往
- 代码链接点击前往
namespace acamcad {
const double pi = acos(-1);
using Point = Eigen::Vector3d;
class RigidRTMatrix {
private:
Eigen::Matrix3d mat;
Eigen::Vector3d trans;
public:
RigidRTMatrix(Point start, Point end, double theta) {
cout << "generate RigidRTMatrix 2" << endl;
Eigen::Vector3d v = end - start;
cout << "v:" << v << endl;
cout << "angle:" << theta << endl;
assert(!v.isZero());
// Point::Zero();
v.normalize();
Eigen::Vector3d X(1,0,0);
Eigen::Vector3d m = v.cross(X);
// todo m=0时特殊处理
if (m.isZero()) {
if (v.dot(X) > 0) m = { 0,1,0 }; // 直接等于Y轴
else m = { 0,-1,0 }; // 等于Y轴的反轴
}
auto RY = GetRY(m);
// 将v 旋转至ZOX 平面。
auto vZOX = RY * v;
auto RX = GetRX(vZOX);
auto Xrotate = GetXRotate(theta);
mat = RY.transpose() * RX.transpose() * Xrotate * RX * RY;
cout << "mat create :" << mat << endl;
trans = (Eigen::Matrix3d::Identity() - mat) * start; // 存储总体位移
}
RigidRTMatrix() {
}
// 给定YOX平面上的单位M向量,将其旋转到Y轴上。
Eigen::Matrix3d GetRY(Eigen::Vector3d m) {
assert(!m.isZero());
m.normalize();
Eigen::Matrix3d RY;
RY.setIdentity();
RY(1, 1) = m.y();
RY(1, 2) = m.z();
RY(2, 1) = -m.z();
RY(2, 2) = m.y();
return RY;
}
// 给定ZOX平面上的单位M向量,将其旋转到X轴上。
Eigen::Matrix3d GetRX(Eigen::Vector3d m) {
assert(!m.isZero());
m.normalize();
Eigen::Matrix3d RX;
RX.setIdentity();
RX(0, 0) = m.x();
RX(0, 2) = m.z();
RX(2, 0) = -m.z();
RX(2, 2) = m.x();
return RX;
}
// 给定ZOX平面上的单位M向量,将其旋转到X轴上。
Eigen::Matrix3d GetXRotate(double theta) {
double rad = theta / 180 * pi;
Eigen::Matrix3d X;
X.setIdentity();
X(1, 1) = cos(rad);
X(1, 2) = -sin(rad);
X(2, 1) = sin(rad);
X(2, 2) = cos(rad);
return X;
}
double angleMod(double theta) {
while (theta < -180)theta += 360;
while (theta > 180)theta -= 360;
return theta;
}
Point Trans(Point &a) {
return mat * a + trans;
}
friend static RigidRTMatrix operator*(RigidRTMatrix& a, RigidRTMatrix& b) {
RigidRTMatrix multi;
multi.mat = a.mat * b.mat;
multi.trans = a.mat * b.trans + a.trans;
return multi;
}
};
}
代码测试
可以看出一个点依次作用与用一次综合矩阵的效果是一样的。
本人码农,希望通过自己的分享,让大家更容易学懂计算机知识。
欢迎添加我的公众号,进群交流。