一个坐标系变换的经典例子

本文详细介绍了从模型坐标系经过世界坐标系、相机坐标系转换到像素坐标系的过程,涉及到矩阵变换和投影原理,包括R_lw、R_wl、R_cw、R_wc等旋转矩阵的计算,以及最终的像素坐标P2的求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

已知模型坐标系下的一个点的坐标P0,.

已知该模型的三个基向量在世界坐标系下的坐标dir_x, dir_y, dir_z以及中心原点在世界坐标系下的坐标P1.

已知摄像机的center_position, eye_position, up_direction. 

已知摄像机的near, far, fx, fy, cx, cy, img_width, img_height. 

求, P0在像平面坐标系下的坐标P2. 

注:以下代码只是为了表达, 没有通过编译. 

1. 模型坐标系到世界坐标系. 

R_lw = np.zeros((3,3),'f')

R_lw[:3, 0] = dir_x

R_lw[:3, 1] = dir_y

R_lw[:3, 2] = dir_z

t_lw = P1

R_wl = R_lw.T

t_wl = -np.dot(R_lw.T,t_lw).

T_lw = np.zeros((4,4),'f')

T_lw[:3,:3] = R_lw

T_lw[:3, 3] = t_lw[:,:]

2. 世界坐标系到相机坐标系

forward = norm(center_position - eye_position)

side = norm(cross(up_direction, forward))

up = norm(cross(forwora, side))

R_cw = np.zeros((3,3), 'f')

R_cw[:3, 0] = side

R_cw[:3, 1] = up

R_cw[:3, 2] = -forward

t_cw = eye_position

R_wc = R_cw.T

t_wc = -np.dot(R_cw.T, t_cw)

T_wc =

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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