Games101 变换

Transformation

矩阵的变换 Transformation

Lecture 03
变换


为什么要学习变换?

变换可以分为两类:

  1. 模型变换(Modeling)

    • 旋转 rotation
    • 缩放 scale
    • 切变 shear
  2. 视图/视角变换(Viewing)

    • 3D转换为2D的投影 projection
    • 描述摄像机的运动

还有逆运动学方向的内容(根据模型部分结构的最终位置,推测模型的整体状态。如:根据机械手的空间位置,推测机械臂的状态)


2D变换

旋转 rotation

在2D变换中,将物体默认绕 原点 (或某一个点)进行旋转(默认向 逆时针 方向进行旋转)

实质上是变换向量空间

2D旋转矩阵:

缩放 scale

若,最初,一个点的坐标为 (x, y) 经过缩放操作 S 后变为 (x’, y’) 则称为缩放变换

使用以下公式进行 均匀缩放

也可以是在不同维度进行不同倍率的 非均匀缩放

也可以进行 对称 操作(以下公式以y轴对称)

在2D变换中,向量缩放则是通过左乘一个包含了向各个线性无关方向进行伸缩变换系数的对角矩阵。

由此,也可以对向量进行对称(镜像)

切变 shear

在2D变换中,物体的某一部分相对于另一部分在某一方向发生变化。如,在平面直角坐标系中,正方形变换为菱形。

如,沿水平方向进行 水平切变

矩阵变换(线性变换)

线性组合:

原向量 :

变换矩阵 :

变换后的向量 :


齐次坐标 Homogeneous Coordinates

在处理平移时无法表示为以上所述的形式,而是:

在包含平移后公式形式变为:

即以下形式

平移变换并不是线性变换
若要将平移与上述三种变换进行统一的变换,于是引入了齐次坐标

于是,为了将平移变换使用线性变换的形式进行表达,采取升维操作,将平移视作一个新增维度

即,可以在2D坐标/点上增加一个维度,变为:

  • 2D point:
  • 2D vector:
    • 保持向量的平移不变性,向量仅仅指示方向

同时提供了以下有意义的计算形式:

    • 定义为:对于形式为 的二维点,其具体表现为

变换矩阵,变为:

并且增加的一个维度可以对对象进行分辨(v向量 p点):

对以上定义进行扩充:

为2D点 ,
  • ( 与 的中点)

仿射变换 Affine Transformations

这样,就使用一个矩阵囊括了 平移、缩放、切变、旋转 操作,且变换矩阵作为仿射变换时的最后一行总是为 0 0 1

使用齐次坐标表示:

切变与平移:

缩放 :

旋转 :

平移 :

逆变换 Inverse Transform

变换矩阵 的逆变换为


合成变换 Composing transforms

  • 复杂的变换可以通过一系列简单的变换得到
  • 变换的结果与一系列变换的顺序有关

    因为旋转是以坐标轴原点进行变换的

对一个点 顺序进行 变换:

将连续的简单矩阵变换变为复杂的矩阵变换

虽然矩阵没有交换律,但是可以使用结合律进行变换合成(需要注意,矩阵运算自右向左)

即:

变换也可以进行分解

如:想让图形以一个确定点进行旋转,则可以将该点先移动到原点位置,然后进行旋转,最后再将该点移至原来的位置


3D 变换

  • 3D point:
  • 3D vector:
为3D点( ),即

3D坐标中使用齐次坐标描述矩阵

先表示线性变换再表示平移

在使用仿射变换时,都是先应用线性变换,再应用平移


Transformation Cont.

Lecture 04
变换深入

3D Transformations

  • 3D point:
  • 3D vector:
为3D点( ),即

3D坐标中使用齐次坐标描述矩阵

先表示线性变换再表示平移

缩放 Scale

旋转 Rotate

  • 绕x轴进行旋转 :
  • 绕y轴进行旋转 :
  • 绕z轴进行旋转 :

由于循环对称性 xyzxyzxyz…

各轴有以下关系:

  • 在3D空间中进行任意的旋转

即,将旋转分解为分别绕x y z三个轴的旋转的合成

罗德里格斯旋转公式:

该公式给出了一个旋转矩阵,定义了一个旋转轴 (方向)与旋转角度

公式推导

罗德里格斯旋转公式

wiki

在公式推导过程中的核心逻辑为:罗德里格斯公式的本质就是将三维旋转分解为平行分量的保留和垂直分量的二维旋转,然后用向量加法重新组合。

对该公式的理解:取一旋转轴 ( 为旋转轴方向上的单位向量),绕该旋转轴有一旋转角 。为辅助公式的推导,令旋转轴 的一个法平面为s。

*step1
计算出 与 在 轴法向平面 s 上的投影

step2
将法平面上的两个投影围成一个直角三角形,其中 的投影作为斜边,可以清晰地以该斜边为半径,在平面s上做出一个圆形。将向量 绕 轴旋转到向量 的运动,拆分成两段向量,即上述直角三角形产生的两个直角边。

step3
使用公式,将 分解出的两个向量用 分解出的两个向量代替。最后,使用 表示 ,即得到罗德里格公式。

Undefined control sequence \bm

绕旋转轴 Undefined control sequence \bm 旋转 度

罗德里格旋转公式推导过程

切变 Shear

平移 Translation


观测变换 Viewing Transformations

视图/相机变换 View/Camera transformation

  • 模型变换 model transformation 搭建场景
  • 视图变换 view transformation 变换摄像头
  • 投影变换 projection thransformation 将3D投影至2D

    以上变换成为MPV变换(Model View Projection)

定义相机:

  • 位置 Position
  • 朝向 Look-at/gaze direction
  • 向上方向 Up direction
    • 与朝向正交

将相机放在标准位置——坐标轴原点——上。y轴为上,z轴负方向朝向物体。

  1. 先将相机移动至原点
  1. 旋转至与 对齐
  2. 旋转至与 对齐
  3. 得到

对于进行以上的变换,难以求出,可以先求其逆变换,即求将各个坐标轴变换至各个相机方向的变换矩阵。

:

由于旋转矩阵是正交矩阵,其逆与其转置相等。

:

在进行视图变换的同时,相机与物体应用同样的变换,保证相对位置的不变
即模型/视图变换

投影变换 Projection transformation

正交投影 Orthographic projection

由物体直接竖直投影至画布上,不会带来近大远小的现象

可以采用以下方法:

  • 设定相机位置
  • 丢弃Z轴信息
  • 移动并缩放将投影图形限制在一个 矩形中(人为约定的限制)

但是,
在图形学中,我们将一个显示空间:

(左右 上下 远近)

变换为一个 立方体空间

注意,在右手系中,表示远近的 中由于摄像头朝向 方向,越远 越小

先归中,再缩放:

1. 摄像机归中

:

2. 缩放至 区间

:

透视投影 Perspective projection

视椎正交立方体

(视锥中的)物体通过各顶点与视点(相机原点)的连线投影至画布上(与画布的焦点)

是最常使用的投影,遵循近大远小的视觉原理

  • 将相机与画布间的距离记为
  • 将相机与物体间的距离记为
  • 将物体在空间中的位置记为
  • 将物体在画布上的位置记为

(根据相似三角形 n z)对 有:

在齐次坐标系下:

此时,至少可知 :

我们可以得到以下两个理解:

  1. 在近平面上任意点不发生变化(近平面永远不变)
  2. 在远平面上任意点的Z坐标不发生变化(远平面缩放为近平面大小,两平面中心的连线与视线方向平行)

接着,我们来求解第三行内容

在近平面上

使用 来代替 :

对于 的第三行为 ,有:

取 远平面 的中心点:

由于远平面中心点在放缩后不发生改变

联立上述两式可得出:

并,最终得到

:

由此可知:

视锥压缩为正交立方体 正交投影

最后可以得到透视投影变换矩阵:

对于在近平面 与远平面 之间的点
会被挤压到离远平面更近的位置
这就是透视畸变 现象

若使用空间中()的中点 ,可以得到

抽象来讲,若要求中点连线上距离不变的点 或

由 或 可知,当且仅当与远近平面重合时才有不变的点,即,正常情况下,点更靠近远平面

在视锥内 由此, 时 ,更靠近远平面