https://blog.csdn.net/charlee44/article/details/98474589
https://blog.csdn.net/u011294404/article/details/53605873
https://blog.csdn.net/charlee44/article/details/103443618
由前文得知，视图变换构建了一个视空间/摄像机空间坐标系，为了对应于世界坐标系的XYZ，可以将其命名为UVN坐标系，它由之前提到的三个条件量构建而成：
选取视线的方向为N轴：N = eye–at；并归一化N。
选取up和N的叉积为U轴： U= up×N，并归一化U。
选取N和U叉积得到V轴：V = N×U，并归一化V。
https://blog.csdn.net/charlee44/category_8676774.html
https://blog.csdn.net/lufy_legend/category_9262828.html
齐次坐标（Homogeneous Coordinates） 其次坐标这个概念在第一次看real-time rendering 这本书的时候就有提起到，但当时看的一头雾水，只知道其次坐标在某些计算中比较方便，而事实上齐次坐标有着非常重要的意义和作用，主要是在处理三维透视方面，常用的几个地方，比如texture mapping 透视矫正，Projection Matrix的计算等等。
在笛卡尔坐标系中，两条平行线是永不相交的，而在现实中，两条平行线是可能相交于一点的，比如说下面的铁轨。
图一 . 铁路越来越窄，最后汇集到一点
在这种透视空间中，笛卡尔坐标就无法描述了。
解决方案就是齐次坐标，一句话解释，就是用N+1个数来表示N维空间中的点。
比如一个二维坐标(X,Y),它的齐次坐标就是(x, y, w), 关系如下
X = x/w Y = y/w 所以在知道齐次坐标的情况下，可以很方便地得到其笛卡尔坐标。之所以称之为其次坐标，是因为奇次坐标具有缩放不变性，比如(1,2,3),(2,4,6), (1a,2a,3a) 所表达的笛卡尔坐标是一样的！
有了其次坐标我们就可以证明两条平行线相交了。
有两条直线
Ax + By + C = 0
Ax + By + D = 0
很明显他们在平面内是平行线，永不相交（如果C==D的话，两条直线就重合了）
化为其次坐标，
A(x/w) + B(y/w) + C = 0;
A(x/w) + B(y/w) + D = 0;
同乘w，得到
Ax + By + Cw = 0
Ax + By + Dw = 0
则有解 (x,y,0)，所以两条平行线相交在（x,y,0），也就是相交在无穷远的点。
位移矩阵
缩放矩阵
旋转矩阵是指绕着一个轴旋转一定的角度，绕x，y，z旋转的旋转矩阵可以记为：
