Rotation matrix 旋转矩阵
在线性代数中,旋转矩阵是用于在欧几里得空间中执行旋转的变换矩阵。
旋转矩阵是行列式 1 的正交矩阵。旋转矩阵描述了围绕原点的旋转。 旋转矩阵的逆是它的转置,也是一个旋转矩阵。 两个旋转矩阵的乘积是一个旋转矩阵。 对于 n > 2,n × n 旋转矩阵的乘法通常是不可交换的。
二维旋转矩阵
二维旋转矩阵具有以下形式:
通过以下矩阵乘法旋转列向量,
因此,点 (x, y) 旋转后的新坐标 (x′, y′) 为
[success]
Direction 方向
如果 为正(例如 90°),则矢量旋转方向为逆时针方向,如果 为负(例如 -90°),则矢量旋转方向为顺时针。 因此,顺时针旋转矩阵为
二维旋转矩阵组是唯一非平凡的(即非一维)可交换情况,因此执行多次旋转的顺序无关紧要。 另一种约定使用旋转轴,[1] 并且上述矩阵也表示轴顺时针旋转角度 。
^ 请注意,如果不是旋转矢量,而是旋转参考系,则 sin θ 项上的符号将反转。 如果参考系 A 绕原点逆时针旋转角度 θ 以创建参考系 B,则 Rx(符号翻转)会将参考系 A 坐标中描述的矢量转换为参考系 B 坐标。
常见的旋转矩阵
特别有用的矩阵是
三维旋转矩阵
基本旋转(也称为元素旋转)是围绕其中一个坐标轴的旋转。 可以使用矩阵乘法从这三个矩阵得到其他旋转矩阵。
Conversions 转换
Quaternion 四元数
Polar decomposition 极性分解
Axis and angle 轴和角度
Euler angles 欧拉角
Uniform random rotation matrices 均匀随机旋转矩阵
我们有时需要生成一个均匀分布的随机旋转矩阵。
2D
在二维中似乎很直观,这意味着旋转角度均匀分布在 0 和 2π 之间。 这种直觉是正确的,但不会延续到更高的维度。 例如,如果我们以轴角形式分解 3 × 3 旋转矩阵,则角度不应该是均匀分布的; 角度(大小)最多为 θ 的概率应该是 1 / π (θ − sin θ),对于 0 ≤ θ ≤ π。
3D
创建一个四元素向量,其中每个元素都是正态分布的样本。 标准化它的长度,你有一个均匀采样的随机单位四元数,它代表一个均匀采样的随机旋转。 请注意,上述仅适用于维度 3 的旋转。
优势与局限性
矩阵表示法广泛用于描述旋转运动
优势
在于便于顶点旋转变换:通过矩阵-向量乘法可直接作用于每个顶点坐标
局限性
参数冗余严重:9个矩阵元素仅描述3个自由度(DoFs)
缺乏几何直观性
旋转角速度的数学定义存在困难
Last updated
Was this helpful?