热门标签 | HotTags
当前位置:  开发笔记 > 程序员 > 正文

3D游戏与计算机图形学中的数学方法-变换

1变换在3D游戏的整个开发过程中,通常需要以某种方式对一系列的向量进行变换。通常用到的变换包括平移,缩放和旋转。1.1通用变换通常可将nxn可逆矩阵M看成是一个从坐标系到另一个坐标系的变换矩

1变换

在3D游戏的整个开发过程中,通常需要以某种方式对一系列的向量进行变换。通常用到的变换包括平移,缩放和旋转。

1.1通用变换

通常可将n x n可逆矩阵M看成是一个从坐标系到另一个坐标系的变换矩阵。M的列给出了坐标系从原坐标系到新坐标系的映射。例如M是一个n x n可逆矩阵,当M与向量(1,0,0),(0,1,0)和(0,0,1)相乘时,可以得到

 

类似地,M-1的列给出了坐标轴从新坐标轴系到原坐标轴系的映射。这样对于任意给定的线性无关的向量U,V,W可以构造一个变换矩阵,该矩阵将这些向量映射到向量(1,0,0),(0,1,0)和(0,0,1)。

 

多个变换可以串联起来,并且可以将多个变换矩阵的乘积用一个矩阵来表示。假设需要先用矩阵M后用矩阵G对一个对象进行变换,由于乘积满足结合律,对于任意向量P都有G(MP)=(GM)P,因此只需存储GM的乘积得到的矩阵,将该矩阵作为对象的变换矩阵即可。这样就可以对定点进行多次变换,而存储空间不变。

正交矩阵是一种其转置矩阵等于其逆矩阵的矩阵。正交矩阵只能用于表示旋转和反射的组合。

反射指在某一方向上将点进行镜像的一种运算。例如,矩阵

以xy平面为对称面对一点的z坐标进行反射。

手向性

在三维空间中,有3D向量V1,V2,V3构成的坐标系的基&具有手向性。对于右手基,有(V1*V2). V3>0。也就是说,在一个右手坐标系中,v1,v2的叉积的方向与v3的方向形成一个锐角。如果&是一个正交规范的右手基,则有v1*v2=v3。若(v1*v2).v3<0,那么&是左手基。

进行奇数次反射操作就会改变手向性,偶数次反射相当于一次旋转。通过观察3x3矩阵的行列式,就可以判定矩阵是否存在反射。若M的行列式是负的,则存在反射,用M对任意基的向量进行变换操作后,基的手向性都会发生改变。如果行列式是正的,那么M不改变手向性。

正交矩阵M的行列式的值只能是1或-1.若detM=1,矩阵M只存在旋转;如果为-1,那么M表示旋转之后再进行一次反射。

1.2缩放变换

简单来说,对于统一缩放可以理解为向量P乘以一个常数a,即P’ = aP。在三维空间里可以用矩阵的乘积表示。

 

如果是在xyz轴以不同的值进行缩放向量,那么可以这种缩放为非统一缩放。

 

如果在3个任意轴上进行非统一缩放,就要用到复杂的缩放过程。假设以系数a沿U轴方向,以系数b沿V轴方向,以系数c沿W轴方向进行缩放,可以先从坐标系(U,V,W)变换到坐标系(i,j,k),然后在(i,j,k)坐标系进行缩放运算,最后在还原到(U,V,W)坐标系。

 

1.3旋转变换

首先讲一下在二维平面上的旋转,也就是在平面直角坐标系上进行旋转。假设一个向量P(Px,Py),要想求得相对于它自身旋转a度角后的向量P’。我们就需要根据P逆时针旋转90度得到其正交的向量Q(-Py,Px)。可以将P,Q看做该坐标系的一对正交基,则P’可以被P和Q表示为:

P’ = Pcosa + Qsina; (1)

 

可以确定P’的x,y分量为:

 

可以改写成矩阵的形式:

 

引申一下:将单位矩阵的第三行和第三列加入P’矩阵中可得:

,该矩阵是绕z轴的三维旋转。

同样可以得到绕x轴和y轴旋转角度的3x3旋转矩阵。

 

绕任意轴旋转

假设向量P绕一个任意轴旋转Θ角,这里的任意轴以单位向量A表示,可以将向量P分解为垂直于和平行于A的分量P1, P2。由于平行分量P2在平行于A,则在旋转过程中保持不变,主要求的是P1的旋转。

由于A是一个单位向量,对于P在A上的投影,可以表示为:projAP = (A.P)A;

P垂直于A的分量可表示为:perpAP = P – (A.P)A;

现将垂直于A的分量进行旋转,然后加上projAP就可以得到最终的旋转结果。

 

垂直分量的旋转是如何得到的呢?

垂直分量的旋转是在垂直于A轴的平面内进行的。可以用perpAP与perpAP逆时针方向旋转90度所形成的向量的线性组合来表示旋转后的向量。如上图所示,假设a是原向量P和A轴之间的夹角。perpAP的长度等于||P||sina,那么perpAP绕A轴逆时针旋转90度的向量perpAP’就是A与P的叉积。

那么perpAP旋转Θ角可以表示为:[P-(A.P)A]cosΘ + (A x P)sinΘ (2)

(2)式的推出可以参考(1)式。

加上projAP = (A.P)A,就可以得到P绕A轴的旋转公式:

P’ = PcosΘ + (A x P)sinΘ + A(A.P)(1-cosΘ);  (3)

 将(3)式换成矩阵的表达形式:

 

合并公式中的相同项,令C=cosΘS=sinΘ,得到表示向量绕A轴旋转Θ角的旋转矩阵RA(Θ).

 

1.4齐次坐标

关于平移操作,不能用3 x 3矩阵表示,把点P从一个坐标系平移到另一个坐标系,只需要简单地添加偏移向量,不会影响到坐标轴的方向和尺度。

P’ = MP + T      (4)

其中M为3 x 3可逆矩阵,T是3D平移向量。利用(4)式进行两次操作可得到:

    (5)

若是要进行n次操作时,必须知道每次变换过程中的矩阵分量MnMn-1和平移分量MnTn-1+Tn

我们利用四维变换可以将M和T统一起来,就可以建立一个四维4 x 4矩阵来表示平移操作。方法是给3D点P增加一个坐标,并将这个扩展的第四个坐标称之为w坐标,其值设为1。

     (6)

将矩阵F乘以向量(Px,Py,Pz,1),就等价于(4)式对向量的x,y,z坐标进行变换,同时保持w为1。

从公式(4)中可以解出  (7)

因此可以从公式(6)中得到4 x 4矩阵F的逆矩阵F-1为:

    (8)

可以验证(8)式的正确性:

 


推荐阅读
  • 本文比较了eBPF和WebAssembly作为云原生VM的特点和应用领域。eBPF作为运行在Linux内核中的轻量级代码执行沙箱,适用于网络或安全相关的任务;而WebAssembly作为图灵完备的语言,在商业应用中具有优势。同时,介绍了WebAssembly在Linux内核中运行的尝试以及基于LLVM的云原生WebAssembly编译器WasmEdge Runtime的案例,展示了WebAssembly作为原生应用程序的潜力。 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 【Windows】实现微信双开或多开的方法及步骤详解
    本文介绍了在Windows系统下实现微信双开或多开的方法,通过安装微信电脑版、复制微信程序启动路径、修改文本文件为bat文件等步骤,实现同时登录两个或多个微信的效果。相比于使用虚拟机的方法,本方法更简单易行,适用于任何电脑,并且不会消耗过多系统资源。详细步骤和原理解释请参考本文内容。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 如何用UE4制作2D游戏文档——计算篇
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了如何用UE4制作2D游戏文档——计算篇相关的知识,希望对你有一定的参考价值。 ... [详细]
  • JavaScript设计模式之策略模式(Strategy Pattern)的优势及应用
    本文介绍了JavaScript设计模式之策略模式(Strategy Pattern)的定义和优势,策略模式可以避免代码中的多重判断条件,体现了开放-封闭原则。同时,策略模式的应用可以使系统的算法重复利用,避免复制粘贴。然而,策略模式也会增加策略类的数量,违反最少知识原则,需要了解各种策略类才能更好地应用于业务中。本文还以员工年终奖的计算为例,说明了策略模式的应用场景和实现方式。 ... [详细]
  • 使用Ubuntu中的Python获取浏览器历史记录原文: ... [详细]
  • 本文介绍了Hyperledger Fabric外部链码构建与运行的相关知识,包括在Hyperledger Fabric 2.0版本之前链码构建和运行的困难性,外部构建模式的实现原理以及外部构建和运行API的使用方法。通过本文的介绍,读者可以了解到如何利用外部构建和运行的方式来实现链码的构建和运行,并且不再受限于特定的语言和部署环境。 ... [详细]
  • 本文介绍了Perl的测试框架Test::Base,它是一个数据驱动的测试框架,可以自动进行单元测试,省去手工编写测试程序的麻烦。与Test::More完全兼容,使用方法简单。以plural函数为例,展示了Test::Base的使用方法。 ... [详细]
  • Voicewo在线语音识别转换jQuery插件的特点和示例
    本文介绍了一款名为Voicewo的在线语音识别转换jQuery插件,该插件具有快速、架构、风格、扩展和兼容等特点,适合在互联网应用中使用。同时还提供了一个快速示例供开发人员参考。 ... [详细]
  • XML介绍与使用的概述及标签规则
    本文介绍了XML的基本概念和用途,包括XML的可扩展性和标签的自定义特性。同时还详细解释了XML标签的规则,包括标签的尖括号和合法标识符的组成,标签必须成对出现的原则以及特殊标签的使用方法。通过本文的阅读,读者可以对XML的基本知识有一个全面的了解。 ... [详细]
  • Google Play推出全新的应用内评价API,帮助开发者获取更多优质用户反馈。用户每天在Google Play上发表数百万条评论,这有助于开发者了解用户喜好和改进需求。开发者可以选择在适当的时间请求用户撰写评论,以获得全面而有用的反馈。全新应用内评价功能让用户无需返回应用详情页面即可发表评论,提升用户体验。 ... [详细]
  • Tomcat/Jetty为何选择扩展线程池而不是使用JDK原生线程池?
    本文探讨了Tomcat和Jetty选择扩展线程池而不是使用JDK原生线程池的原因。通过比较IO密集型任务和CPU密集型任务的特点,解释了为何Tomcat和Jetty需要扩展线程池来提高并发度和任务处理速度。同时,介绍了JDK原生线程池的工作流程。 ... [详细]
  • 本文介绍了Linux系统中正则表达式的基础知识,包括正则表达式的简介、字符分类、普通字符和元字符的区别,以及在学习过程中需要注意的事项。同时提醒读者要注意正则表达式与通配符的区别,并给出了使用正则表达式时的一些建议。本文适合初学者了解Linux系统中的正则表达式,并提供了学习的参考资料。 ... [详细]
  • 本文介绍了如何使用python从列表中删除所有的零,并将结果以列表形式输出,同时提供了示例格式。 ... [详细]
author-avatar
holygame
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有