三维旋转:旋转矩阵,欧拉角,四元数

原文见我的博客主站,欢迎大家过去评论。

如何描述三维空间中刚体的旋转,是个有趣的问题。具体地说,就是刚体上的任意一个点P(x, y, z)围绕过原点的轴(i, j, k)旋转θ,求旋转后的点P\'(x\', y\', z\')。

旋转矩阵

旋转矩阵乘以点P的齐次坐标,得到旋转后的点P',因此旋转矩阵可以描述旋转,

$$\begin{bmatrix}x'\\ y'\\ z'\\ 1\end{bmatrix}=R\cdot \begin{bmatrix}x\\ y\\ z\\ 1\end{bmatrix}$$

绕x,y,或z轴旋转θ的矩阵为:

$$R_{x}(\theta)=\begin{bmatrix}1 & 0 & 0\\ 0 & \cos\theta & -\sin\theta\\ 0 & \sin\theta & \cos\theta\end{bmatrix}$$

$$R_{y}(\theta)=\begin{bmatrix}\cos\theta & 0 & -\sin\theta\\ 0 & 1 & 0\\ \sin\theta & 0 & \cos\theta\end{bmatrix}$$

$$R_{z}(\theta)=\begin{bmatrix}\cos\theta & -\sin\theta & 0\\ \sin\theta & \cos\theta & 0\\ 0 & 0 & 1\end{bmatrix}$$

所以,绕任意轴旋转的矩阵为

$$R_{x}(-p)\cdot R_{y}(-q)\cdot R_{z}(\theta)\cdot R_{y}(q)\cdot R_{x}(p)$$

这表示:

1. 绕x轴旋转角度p使指定的旋转轴在xz平面上
2. 绕y轴旋转角度q使指定的旋转轴与z轴重合
3. 绕z轴旋转角度θ
4. 绕y轴旋转角度-q
5. 绕x轴旋转角度-p

其中,p和q的值需要用i,j,k计算出来。

欧拉角

欧拉角也可以描述三维刚体旋转,它将刚体绕过原点的轴(i,j,k)旋转θ,分解成三步(蓝色是起始坐标系,而红色的是旋转之后的坐标系。)。

 

1. 绕z轴旋转α,使x轴与N轴重合,N轴是旋转前后两个坐标系x-y平面的交线
2. 绕x轴(也就是N轴)旋转β,使z轴与旋转后的z轴重合
3. 绕z轴旋转γ,使坐标系与旋转后的完全重合

按照旋转轴的顺序,该组欧拉角被称为是“zxz顺规”的。对于顺规的次序,学术界没有明确的约定。

欧拉角的旋转矩阵为:

$$R_{z}(α)\cdot R_{x}(β)\cdot R_{z}(γ)$$

在旋转矩阵一节中,最先进行的旋转其矩阵在最右侧,说明该矩阵最先与点的齐次坐标相乘,旋转矩阵按照旋转的次序从右向左排列。而在欧拉角中,最先进行的旋转其旋转矩阵在最左边。这是因为,**对于前者(旋转矩阵),我们始终是以绝对参考系为参照来的,对于后者(欧拉角),我们每一次旋转的刻画都是基于刚体的坐标系。**比如,在欧拉角中的第2步,绕x轴旋转β,这里的x轴实际上是N轴了(而不是蓝色的x轴)。

为什么旋转参考系的不同会导致旋转矩阵次序的差异呢?细想一下便知,旋转矩阵左乘叠加用以描述三维变换效果的叠加,这本身就是基于绝对坐标系的,所以旋转矩阵一节没有疑问;而对于欧拉角一节的这种旋转方式,这样考虑:

1. 如果有一个“影子坐标系3”与原坐标系重合,然后首先进行了第3步(绕z轴旋转γ);
2. 然后有一个“影子坐标系2”也与原坐标系重合,然后与“影子坐标系3”一起(视作同一个刚体)进行了第二步;
3. 最后一个“影子坐标系1”,与前两个坐标系一起进行了第一步。

此时,考察“影子坐标系”1和2,他们就分别落在了欧拉角旋转的两个“快照”上,而“影子坐标系3”就落在旋转后的位置上(红色的)。而在上述过程中,“影子坐标系3”就是相对于绝对坐标系依次进行了第三步,第二步,和第一步。所以欧拉角的旋转矩阵写成那样,也是行得通的。

这个想法,我猜在很多第一人称游戏中,已经得到了广泛应用了。这样,玩家对人物的控制就可以绕开人物的实时状态(位置,角度等)直接对人物的模型矩阵产生影响。

万向节死锁是欧拉角的一个弊端,这是一个直观的例子。

四元数

四元数是今天的主角,它能够很方便的刻画刚体绕任意轴的旋转。四元数是一种高阶复数,四元数q表示为:

$$q=(x,y,z,w)=xi+yj+zk+w$$

其中,i,j,k满足:

$$i^2=j^2=k^2=-1$$

$$ij=k,jk=i,ki=j$$

由于i,j,k的性质和笛卡尔坐标系三个轴叉乘的性质很像,所以可以将四元数写成一个向量和一个实数组合的形式:

$$q=(\vec{v}+w)=((x,y,z),w)$$

可以推导出四元数的一些运算性质,包括:

* 四元数乘法

$$q1q2=(\vec{v_1}\times \vec{v_2}+w_1\vec{v_2}+w_2\vec{v_1}, w_1w_2-\vec{v_1}\cdot \vec{v_2})$$

* 共轭四元数

$$q^*=(-\vec{v},w)$$

* 四元数的平方模

$$N(q)=N(\vec{v})+w^2$$

* 四元数的逆

$$q^{-1}=\frac{q^*}{N(q)}$$

四元数可以看做是向量和实数的一种更加一般的形式,向量可以视作为实部为0的四元数,而实数可以是作为虚部为0的四元数。上述四元数的运算性质也是实数或向量的运算性质的更一般的形式。

四元数可用来刻画三维空间中的旋转,绕单位向量(x,y,z)表示的轴旋转θ,可令:

$$q=((x,y,z)\sin{\frac{\theta}{2}},\cos{\frac{\theta}{2}})$$

刚体坐标系中的点p(P,0)(写成四元数的形式),旋转后的坐标p'为:

$$p'=qpq^{-1}$$

接下来我们来证明这一点。

首先,我们证明

$qpq^{-1}=(sq)p(sq)^{-1}$

其中s为实数。显然

$$(sq)p(sq)^{-1}=sqpq^{-1}s^{-1}=sqp^{-1}$$

此时,我们可以将q看做是单位矩阵,因为如果q不是单位矩阵,我们就可以乘以一个常数s将其化为单位矩阵。

然后,我们证明qpq^{-1}和p的模长相等

下面将q视为单位四元数:

$$q^{-1}=q^*$$

四元数q的标量:

$$S(q)=(q+q^*)/2$$

那么:

$$2S(qpq^{-1})=2S(qpq^*)=qpq^*+(qpq^*)^*=qpq^*+qp^*q^*=q(p+p^*)q^*=q2S(p)q^*=2S(p)$$

最后,我们证明

$$p'=qpq^*$$

如图所示,u为旋转轴,旋转角度为σ,向量v旋转到w处。旋转到σ/2处为k(图中未标出)。

下面也用相同的字母指代四元数,如u就表示向量u的四元数形式((ux,uy,uz),0)。

首先,令u方向上的单位向量为u(为了方便,命名不变,后面的u都是指旋转轴方向的单位四元数),那么根据q的定义,参见四元数乘法法则:

$$q=(\vec{u}\sin{\frac{\theta}{2}},\cos{\frac{\theta}{2}})=(\vec{v}\times\vec{k},\vec{v}\cdot \vec{k})=(\vec{v},0)(-\vec{k},0)=kv^*$$

现在令

$$w=qvq^*$$

如果能证明w与v的夹角是σ,那么就说明w确实是v旋转σ得到的,整个命题就得证了。

注意v,k和w都是实部为0的单位四元数,表示单位向量,我们有:

$$wk^*=(qvq^{-1})k^*=qvq^*k^*=qvvk^*k^*=q$$

所以

$$wk^*=kv^*$$

上面的式子拆分成实部和虚部,虚部表明w与-k的平面和k与-v的平面重合,实部表明w和-k之间的夹角与k和-v之间的夹角相等,都是π-σ/2。这就说明了w与v的夹角是σ,原命题就得证了。

转载于:https://www.cnblogs.com/yiyezhai/p/3176725.html

学习之路 | 欧拉角-四元数-旋转矩阵相互转化 ZYZ / ZXZ / ZYX - 附Matlab代码 ZYZ和ZXZ通常可以避免死解情况,因此在六轴末端解算时常被用到对于其如何旋转(内旋 - 计算右乘)在此篇文章有较好的图解。 阅读详情

相关推荐

三维重建基础知识:四元素、旋转矩阵与旋转向量

三维重建基础知识:四元素、旋转矩阵与旋转向量旋转矩阵Rodrigue旋转向量四元素Citation 旋转矩阵 1、坐标系绕X轴旋转ϕ\phiϕ角(Pitch 俯仰角) Rx=[1000cosϕ−sinϕ0sinϕcosϕ]R_{x}=\begin{gathered} \begin{bmatrix} 1 & 0&0 \\ 0 & cos\phi&-sin\phi\\0&sin\phi&cos\phi \end{bmatrix} \end{gathered}Rx

本博客主要总结计算机视觉(三维人体重建)方向的相关知识,同时发布个人见解以及领域进展! 2152

四元数与旋转矩阵

01 什么是四元数 四元数——基本概念 https://zhuanlan.zhihu.com/p/27471300 四元数——旋转 https://zhuanlan.zhihu.com/p/27541307 02 四元数与旋转矩阵 这里主要参考的是 右手系转左手系、旋转矩阵转四元数、四元数的两种表达(Hamilton/JPL)(这篇文章很棒,需要认真看哦~) 网上关于四元数有左手右手两种表达方式,有些地方标明了是在什么坐标系下的公式,而大多数地方是没有的。 所以如果“四元数转旋转矩阵”和“旋转矩阵转四元

gyxx1998的博客 3万+

三维旋转矩阵_三维旋转:欧拉角、四元数、旋转矩阵、轴角之间的转换

0 引言来鹅厂实习了一段时间,因为没有什么特别紧急的需求(hahahahaha),所以主要花在了学习和捣鼓一些小工具上。有一个小需求是要实现鼠标拖动球体的转动,然后发现我不再能只用欧拉角来糊弄过去了。然后又发现,网上大部分资料的采用的欧拉角顺规都是xyz,然后我基于D3D11的辣鸡框架用了zxy,公式不太能直接套用,于是摸了两三天鱼,整理了一下几种三维旋转表示(欧拉角,四元数,旋转矩阵,...

weixin_39907131的博客 1838

从四元数到旋转矩阵

旋转矩阵和四元数都是描述三维空间中位姿的方式,此文将讨论如何从四元数计算出旋转。 背景介绍 旋转矩阵和四元数之间的变换需要依据以下公式1 公式1: 绕任意轴n旋转θ的旋转矩阵 公式1的具体推导过程可以参见知乎文章。 注意公式1中的基本条件:①旋转的正方向由左手法则判定 ②任意轴n处于左手坐标系中。 公式2: 绕任意轴n旋转θ的四元数 要想从四元数求得旋转矩阵,即需要用矩阵中的元素m11、m12...

loongkingwhat的博客 4万+

三维姿态描述:四元数、欧拉角与旋转矩阵实战解析

三维姿态描述是机器人控制、3D游戏开发和航空航天领域的核心技术,主要涉及四元数、欧拉角和旋转矩阵三种表示方法。欧拉角直观易理解但存在万向节锁问题,旋转矩阵计算稳定但冗余度高,四元数计算效率最优但不够直观。这些方法在工程实践中各有应用场景,例如工业机器人示教器常用欧拉角显示,而底层控制则依赖四元数运算。理解它们之间的转换关系及原理,对于解决姿态解算中的奇异点处理、数值误差累积等问题至关重要。本文通过实际案例,深入探讨了这些技术在无人机飞控、机械臂轨迹规划等场景中的优化与应用。

weixin_29722783的博客 271

三维旋转的四种表示法:旋转矩阵、欧拉角、四元数与插值详解

在三维空间中进行姿态描述与变换是计算机图形学、机器人学和游戏开发等领域的基础。其核心原理在于如何用数学工具精确表达物体的旋转状态。旋转矩阵作为最直接的线性变换算子,能无歧义地进行坐标变换,但存在参数冗余和数值稳定性问题。欧拉角凭借其直观的三个角度参数(如偏航、俯仰、滚转)成为人机交互的常用方式,但会遭遇万向节死锁这一固有缺陷。四元数作为一种扩展的复数系统,以其紧凑的四参数表示和计算高效性,优雅地解决了死锁问题,并成为连续旋转合成与平滑插值的首选技术。其技术价值在于为实时姿态估计、动画合成和惯性导航提供了稳定

weixin_34015336的博客 340

三维旋转笔记:欧拉角/四元数/旋转矩阵/轴角-记忆点整理

在看《欧拉角、旋转矩阵、四元数合辑》,就之前所学做点笔记,以便以后再次复习。 先复习先基本概念 坐标系 我们为了能够科学的反映物体的运动特性,会在特定的坐标系中进行描述,经常要用到以下几种坐标系: 大地坐标系统 地心固定坐标系统 本地北东地坐标系统 机载北东地坐标系统 机体轴坐标系统 其中3、4、5都是我们建模、设计控制律时经常使用的坐标系,描述物体(刚体)位姿信息的6个自由度信息都是在这三个坐标系中产生的。 机体轴坐标系的原点固连于飞行器重心.

周陆军的博客,分享it技术。 2751

三维空间旋转表示方法:旋转矩阵、四元数和欧拉角

旋转矩阵是线性代数中用来表达向量空间内旋转操作的特殊矩阵。它们通常用于三维空间中,以保持图形和物理对象的方向。旋转矩阵的特点是它们是正交的,即它们的转置矩阵等于它们的逆矩阵,而且它们的行列式值为1。这保证了旋转操作是可逆的,并且保持了图形的面积和体积。一个2D空间中的旋转矩阵形式如下:它可以通过一个角度θ来构造,并通过矩阵乘法将一个点旋转θ角度。在三维空间中,旋转矩阵更复杂,且会根据旋转轴和旋转角度的不同,有不同的矩阵表达形式。

weixin_42509513的博客 1140

三维旋转:欧拉角、四元数、旋转矩阵、轴角之间的转换

早些年在鹅厂实习了一段时间,因为没有什么特别紧急的需求(hahahahaha),所以主要花在了学习和捣鼓一些小工具上。有一个小需求是要实现鼠标拖动球体的转动,然后发现我不再能只用欧拉角来糊弄过去了。然后又发现,网上大部分资料的采用的欧拉角顺规都是xyz,然后我基于D3D11的辣鸡框架用了zxy,公式不太能直接套用,于是摸了两三天鱼,整理了一下几种三维旋转表示(欧拉角,四元数,旋转矩阵,轴角)与他们之间的相互转换的资料,并且加入了自己的一些推导,

木牛的博客 2816

旋转矩阵、四元数与欧拉角:三维旋转表示方法详解与工程选型

在机器人控制、三维视觉与SLAM领域,三维旋转表示是一个基础却容易出错的技术点。从二维旋转的线性变换本质出发,可以理解旋转始终保持向量模长不变这一核心不变量。欧拉角直观但存在万向锁与旋转顺序依赖,旋转矩阵精确但参数冗余,旋转向量适合优化求解,而四元数凭借无奇异、插值平滑等优势成为实时姿态解算的主流方案。实际工程中,坐标变换还需结合平移与齐次矩阵完成不同坐标系间的映射。掌握各种表示方法的原理、转换关系与典型应用场景,能够帮助开发者规避旋转顺序不一致、内外旋混用、四元数未归一化等高频坑位,构建稳定可靠的姿态解算

weixin_33067503的博客 167

100个Python代码大全:学完这篇从Python小白到架构师

Python是一种广泛使用的高级编程语言,以其简洁优雅、易于学习和强大的库而闻名。无论你是一位经验丰富的程序员还是初学者,都可以从这种语言的丰富资源中受益。在本篇博客中,我将分享100个实用的Python代码示例,旨在帮助你掌握Python编程,并在日常工作中提高效率。

penggerhe的博客 1万+

三维旋转表示法全解析:从旋转矩阵、欧拉角到四元数插值

在三维图形学与机器人学中,姿态描述是基础且核心的技术概念。其数学原理旨在为三维空间中的物体定向提供精确且高效的表示方法。从技术价值看,不同的表示法在计算效率、存储开销和运算稳定性上各有优劣,直接影响着工程实践的成败。旋转矩阵直观但冗余,欧拉角易于理解却存在万向节死锁的致命缺陷。而四元数作为一种四维复数扩展,凭借其无奇异点、计算高效的特点,成为解决平滑旋转插值和连续姿态更新的关键技术。在应用场景上,四元数姿态解算广泛应用于惯性导航、无人机飞控和游戏角色动画中,是实现稳定姿态估计和流畅视觉表现的核心。本文聚焦于

weixin_30764883的博客 352

Cox构建预测模型(5):如何用R语言绘制校准曲线(附全套代码)

这篇文献通过绘制两个模型的DCA曲线来评估模型的临床决策实际需求,一个是列线图模型,包括纳入列线图的全部变量,一个是TNM模型,只纳入TNM分期3个变量。A图是训练集1年、3年、5年患者的总生存期的DCA曲线;B图是训练集1年、3年、5年患者的总生存期的DCA曲线,红色线条代表列线图模型(包括构建模型的10个变量),黄色线条代表TNM模型(仅纳入TNM分期3个变量),两个模型对比,在绘制校准图之前,必须要完成数据的导入、拆分数据集的工作、预测因子的筛选,校准图的绘制是分别在训练集与验证集独立进行的。

qq_37610365的博客 1360

三维旋转的数学工具:欧拉角、四元数与方向余弦矩阵的实战解析

本文深入解析三维旋转的三种核心数学工具:欧拉角、四元数和方向余弦矩阵,重点探讨它们在无人机姿态控制中的实战应用。通过对比分析旋转变换的性能差异和适用场景,揭示四元数解决万向锁问题的优势,并提供多种表示法间的转换实现代码,为工程实践提供可靠参考。

peach的博客 704

高光谱目标检测底层逻辑:假设检验、SNR与光谱角度理论解析

高光谱目标检测在遥感应用中常被视作光谱匹配问题,但其本质是统计判决。从假设检验的框架出发,每个像元都需要在目标与背景之间做出二元判断,Neyman-Pearson准则为不依赖先验概率的最优判决提供了依据。而检测性能的上限由信噪比决定,信噪比直接影响目标与背景分布的重叠程度。在高光谱场景中,光谱角度作为方向型特征,对光照和尺度变化具有天然鲁棒性,成为区分光谱形状差异的有效度量。结合工程实践,从建模、信噪比估算到特征选择,再到检测器设计,这一套底层逻辑能帮助我们理解为何不同算法在不同数据上效果差异巨大。本文围绕

weixin_29034963的博客 294

华为Atlas200DK实战指南:从零搭建AI开发环境到人像语义分割模型部署

本文提供了一份详尽的华为Atlas 200DK AI开发环境搭建与模型部署实战指南。文章采用合设环境方案,从SD卡准备、系统镜像烧录、网络配置到必备工具安装,逐步引导开发者完成环境搭建。核心部分详细讲解了如何利用华为ATC工具将TensorFlow模型转换为昇腾专用格式,并最终成功编译和运行人像语义分割模型,实现实时人像识别效果。

weixin_29309213的博客 357

三维旋转表示法选型指南:矩阵、欧拉角与四元数实战决策

三维旋转是机器人、无人机、AR/VR和SLAM等系统的核心基础概念,其数学本质是SO(3)群上的刚体变换。由于旋转不具备交换律且存在拓扑约束,单一角度参数化(如欧拉角)会引发万向节死锁,而旋转矩阵虽几何直观但计算冗余,四元数则以紧凑结构天然支持旋转复合与插值。技术价值体现在:欧拉角适配人机交互与协议兼容,旋转矩阵保障坐标变换精度与GPU加速,四元数支撑高频更新、低开销积分与球面线性插值(SLERP)。典型应用场景包括IMU姿态解算、点云坐标系对齐、动画关键帧平滑及嵌入式资源受限系统。本文聚焦工程落地,解析三

weixin_31766003的博客 230

【智能机器人开发全流程:硬件选型、软件架构与ROS实战,打造高效机器人系统】

通过模块化设计与ROS框架的灵活扩展,可快速搭建适应不同场景的机器人系统。实际开发中需重点关注。

dally2的博客 6060
上一篇: Three.js源码阅读笔记-5
下一篇: 地图投影简明笔记
dayuan5183
博客等级 码龄11年 2粉丝 0原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址