版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/fb_help/article/details/86554623
坐标变换
什么是刚体变换
(1)让g(x)是三维向量空间到三维空间的一个映射函数。如果该函数满足下列性质,则被称为刚体变换(Rigid Transformation):
刚体变换的性质
(2)刚体变化能够通过下式表示:
其中R:
在该式中,矩阵,R,被称为旋转矩阵(Rotation Matrix),并且满足下列特殊性质:
坐标转换与刚体变换
坐标系之间,在不考虑尺度的情况下,很容易证明坐标转换是一种刚体变换。
那坐标转换也满足:
Y = RX + T
R和T:
R是X到Y的旋转矩阵,T是X在Y中的坐标。
旋转矩阵:
平移变换:
复合变换
复合变换包括两个刚体变换:
X’O’Y’变换到XO’Y是刚体变换,R是X’O’Y’变换到XO’Y或XOY的旋转矩阵,T=0;XO’Y到XOY是刚体变换,R=0,T是O’在XOY下的坐标。
复合后
X’= RX’’
X = X’ + T;
因此:
X = RX’’+T
其中R是原坐标系变换到新坐标系的旋转矩阵,T是原坐标系原点,在新坐标系下的坐标。
逆变换
设A是原坐标系,B是变换后的坐标系。由上可知
用R表示A到B的旋转矩阵,T表示A原点在B中的坐标,则:
B = RA + T
如果还沿用上面设的R和T,则B到A的逆变换为:
A = R^T – RT (1)
注,R是单位正交矩阵。R^-1 = R^T
如果不沿用R和T,则
A = R’B + T’。 (2)
其中R’是B到A的旋转矩阵,T’是B到A的平移向量。
不难发现,
式(1)和(2)的都表示B到A但R和T的意义不同,因此在做坐标系之间转换的计算时,心里必须要明白,这个R和T是(什么含义)谁到谁的。
如:
图中Xc = RXw + t
根据前面的分析不难得出:R是世界到相机的旋转矩阵,t是世界原点在相机坐标系中的坐标。