GAMES101-计算机图形学入门 LEC4: TRANSFORMATION-3D

本节课程视频地址:https://www.bilibili.com/video/BV1X7411F744/?p=4

补充上一节课的一个内容,旋转矩阵的逆矩阵是它的转置,也就是说有 R − θ = R θ − 1 = R θ T R_{-\theta} = R_\theta^{-1}=R_\theta^T Rθ=Rθ1=RθT

上节课讲了,二维变换中的绕原点的旋转、缩放、切变,以及齐次坐标,还有通过简单变换组合成复杂变换。

这节课先讲三维变换,然后讲困难且重要的观测变换(Viewing Transformation)

三维变换(3D Transformation)

三维的齐次坐标:

  • 点: ( x , y , z , 1 ) T (x,y,z,1)^T (x,y,z,1)T
  • 向量: ( x , y , z , 0 ) T (x,y,z,0)^T (x,y,z,0)T

注:(x,y,z,w)其中w!=0 表示的是点(x/w,y/w,z/w)

齐次坐标使用4维矩阵来表示仿射变换:
[ x ′ y ′ z ′ 1 ] = [ a b c t x d e f t y g h i t z 0 0 0 1 ] ⋅ [ x y z 1 ] \begin{bmatrix} x'\\ y' \\ z' \\ 1 \end{bmatrix}= \begin{bmatrix} a&b&c&t_x\\ d&e&f&t_y\\ g&h&i&t_z \\ 0&0&0&1 \end{bmatrix} \cdot \begin{bmatrix} x\\ y\\ z\\ 1 \end{bmatrix} xyz1 = adg0beh0cfi0txtytz1 xyz1
注:仿射变换中是先线性变换(也就是绕原点所作的变换)再平移变换。

缩放

[ x ′ y ′ z ′ 1 ] = [ s x 0 0 0 0 s y 0 0 0 0 s z 0 0 0 0 1 ] ⋅ [ x y z 1 ] \begin{bmatrix} x'\\ y' \\ z' \\ 1 \end{bmatrix}= \begin{bmatrix} s_x&0&0&0\\ 0&s_y&0&0\\ 0&0&s_z&0\\ 0&0&0&1 \end{bmatrix} \cdot \begin{bmatrix} x\\ y\\ z\\ 1 \end{bmatrix} xyz1 = sx0000sy0000sz00001 xyz1

平移

[ x ′ y ′ z ′ 1 ] = [ 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 ] ⋅ [ x y z 1 ] \begin{bmatrix} x'\\ y' \\ z' \\ 1 \end{bmatrix}= \begin{bmatrix} 1&0&0&t_x\\ 0&1&0&t_y\\ 0&0&1&t_z\\ 0&0&0&1 \end{bmatrix} \cdot \begin{bmatrix} x\\ y\\ z\\ 1 \end{bmatrix} xyz1 = 100001000010txtytz1 xyz1

旋转

三维的旋转分为绕x轴旋转、绕y轴旋转和绕z轴旋转。

R x ( α ) = [ 1 0 0 0 0 c o s α − s i n α 0 0 s i n α c o s α 0 0 0 0 1 ] R_x(\alpha) = \begin{bmatrix} 1&0&0&0\\ 0&cos\alpha&-sin\alpha&0\\ 0&sin\alpha&cos\alpha&0\\ 0&0&0&1 \end{bmatrix}\\ Rx(α)= 10000cosαsinα00sinαcosα00001
R y ( α ) = [ c o s α 0 s i n α 0 0 1 0 0 − s i n α 0 c o s α 0 0 0 0 1 ] R_y(\alpha) = \begin{bmatrix} cos\alpha&0&sin\alpha&0\\ 0&1&0&0\\ -sin\alpha&0&cos\alpha&0\\ 0&0&0&1 \end{bmatrix} Ry(α)= cosα0sinα00100sinα0cosα00001
R z ( α ) = [ c o s α − s i n α 0 0 s i n α c o s α 0 0 0 0 1 0 0 0 0 1 ] R_z(\alpha) = \begin{bmatrix} cos\alpha&-sin\alpha&0&0\\ sin\alpha&cos\alpha&0&0\\ 0&0&1&0\\ 0&0&0&1 \end{bmatrix} Rz(α)= cosαsinα00sinαcosα0000100001

注意旋转矩阵 R y ( α ) R_y(\alpha) Ry(α) s i n α sin\alpha sinα的正负号是和另外两个相反的。其实没有反,因为这是一个右手系的坐标轴,绕x轴逆时针旋转的方向是在y0z平面中y轴旋转到z轴的方向,绕z轴旋转的方向是在x0y平面中x轴旋转到y轴的方向,而绕y轴旋转的方向在z0x平面中是从z轴旋转到x轴的方向。以x0y平面的旋转为例: x ′ = x c o s α − y s i n α x' = xcos\alpha - ysin\alpha x=xcosαysinα,即要得到 x ′ x' x需要乘上y轴原始坐标的 − s i n α -sin\alpha sinα。所以在z0x平面内,要得到z轴所在坐标: z ′ = z c o s α − x s i n α z' = zcos\alpha - xsin\alpha z=zcosαxsinα。清晰的记忆方法,以绕x轴旋转为例,绕x轴旋转在y0z平面内是从y轴到z轴的方向, y ′ = y cos ⁡ α − z sin ⁡ α y' = y\cos\alpha - z\sin\alpha y=ycosαzsinα即转离y轴的方向就减, z ′ = y sin ⁡ α + z cos ⁡ α z' = y\sin\alpha + z\cos\alpha z=ysinα+zcosα 即朝z轴转的方向就加。

Rodrigues 旋转公式

绕旋转轴 n ⃗ \vec{n} n 旋转角度 α \alpha α

形式一:
R ( n ⃗ , α ) = c o s ( α ) I + ( 1 − c o s ( α ) ) n ⃗ ⋅ n ⃗ T + sin ⁡ α ⋅ [ 0 − n z n y n z 0 − n x − n y n x 0 ] R(\vec{n},\alpha)=cos(\alpha) I + (1-cos(\alpha)) \vec{n}\cdot \vec{n}^T + \sin\alpha\cdot \begin{bmatrix} 0 & -n_z & n_y \\ n_z & 0 & -n_x \\ -n_y & n_x & 0 \\ \end{bmatrix} R(n ,α)=cos(α)I+(1cos(α))n n T+sinα 0nznynz0nxnynx0
形式二:
R ( n ⃗ , α ) = I + sin ⁡ α ⋅ [ 0 − n z n y n z 0 − n x − n y n x 0 ] + ( 1 − c o s ( α ) ) ⋅ [ 0 − n z n y n z 0 − n x − n y n x 0 ] 2 R(\vec{n},\alpha)= I + \sin\alpha\cdot \begin{bmatrix} 0 & -n_z & n_y \\ n_z & 0 & -n_x \\ -n_y & n_x & 0 \\ \end{bmatrix} + (1-cos(\alpha))\cdot{\begin{bmatrix} 0 & -n_z & n_y \\ n_z & 0 & -n_x \\ -n_y & n_x & 0 \\ \end{bmatrix}}^2 R(n ,α)=I+sinα 0nznynz0nxnynx0 +(1cos(α)) 0nznynz0nxnynx0 2

证明:

https://www.cnblogs.com/wtyuan/p/12324495.html

观测变换 (Viewing transformation)

视图变换 (View transformation)

什么是视图变换

想象一下拍照:

  • 首先要找一个好的背景,把人的位置和人与背景的相对位置安排好(模型变换);
  • 然后要找一个好的角度(视图变换);
  • 最后按快门(投影变换)。

定义相机:

  1. 位置向量 Postion: e ⃗ \vec{e} e
  2. 朝向 Look-at direction: g ⃗ \vec{g} g
  3. 相机向上的方向 Up direction (垂直于朝向) : t ⃗ \vec{t} t

在这里插入图片描述

约定:相机永远放在原点,相机永远以+y为向上方向,相机永远朝-z方向看。 也就是进行视图变换时要将所有对象和相机一起做变换,直到相机在原点,朝向-z,以+y为正方向。
在这里插入图片描述

如何将相机从它原来的位置移到约定位置

  1. 平移 e ⃗ \vec{e} e 到原点;
  2. 旋转 g ⃗ \vec{g} g 到 -z 方向;
  3. 旋转 t ⃗ \vec{t} t 到 +y 方向
  4. 旋转 g ⃗ × t ⃗ \vec{g} \times \vec{t} g ×t 到 +x 方向

如何求出将相机旋转到约定位置的旋转矩阵?

先平移到原点:
T v i e w = [ 1 0 0 − x e 0 1 0 − y e 0 0 1 − z e 0 0 0 1 ] T_{view} = \begin{bmatrix} 1 & 0 & 0 & -x_e \\ 0 & 1 & 0 & -y_e \\ 0 & 0 & 1 & -z_e \\ 0 & 0 & 0 & 1 \end{bmatrix} Tview= 100001000010xeyeze1

再考虑它的逆旋转,找到三个特殊向量的旋转,即 x ^ \hat{x} x^ g ^ × t ^ \hat{g} \times \hat{t} g^×t^, y ^ \hat{y} y^ t ^ \hat {t} t^ z ^ \hat{z} z^ − g ^ -\hat{g} g^,就能找到这个逆旋转的旋转矩阵:

R r e v i e w − 1 = [ x g ^ × t ^ x t ^ x − g ^ 0 y g ^ × t ^ y t ^ y − g ^ 0 z g ^ × t ^ z t ^ z − g ^ 0 0 0 0 1 ] R_{review}^{-1} = \begin{bmatrix} x_{\hat{g}\times\hat{t}} & x_{\hat{t}} & x_{-\hat{g}} & 0\\ y_{\hat{g}\times\hat{t}} & y_{\hat{t}} & y_{-\hat{g}} & 0\\ z_{\hat{g}\times\hat{t}} & z_{\hat{t}} & z_{-\hat{g}} & 0\\ 0 & 0 & 0 & 1 \end{bmatrix} Rreview1= xg^×t^yg^×t^zg^×t^0xt^yt^zt^0xg^yg^zg^00001
旋转矩阵是正交矩阵,上面这个矩阵显然符合,旋转矩阵的逆矩阵就是它的转置:
R r e v i e w = [ x g ^ × t ^ y g ^ × t ^ z g ^ × t ^ 0 x t ^ y t ^ z t ^ 0 x − g ^ y − g ^ z − g ^ 0 0 0 0 1 ] R_{review} = \begin{bmatrix} x_{\hat{g}\times\hat{t}} & y_{\hat{g}\times\hat{t}} & z_{\hat{g}\times\hat{t}} & 0 \\ x_{\hat{t}} & y_{\hat{t}} & z_{\hat{t}} & 0 \\ x_{-\hat{g}} & y_{-\hat{g}} & z_{-\hat{g}} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} Rreview= xg^×t^xt^xg^0yg^×t^yt^yg^0zg^×t^zt^zg^00001

总结:将所有对象和相机一起做变换,直到相机在原点,朝向-z,以+y为正方向。

这就是视图变换。

投影变换(Perspective Projection)

正交投影(Orthographic projection)

透视投影(Perspective projection)

区别:正交投影没有近大远小而透视投影有。

在这里插入图片描述

正交投影

做法一:

假设已经进行了视图变换(即相机在原点,朝向-z,以+y为向上方向)

第一步,把所有点的z坐标变为0;

第二步,将得到的二维平面坐标做平移和缩放,让它们装在 [ − 1 , − 1 ] 2 [-1,-1]^2 [1,1]2 这个正方形里。(至于为什么要进行这一步操作,这是一个约定俗成的办法,可以方便之后的操作)

做法二:(正规做法)

实际的计算机图形学操作中,还有一个比简单地把z扔掉更方便的做法:

同样,假设已经进行了视图变换(即相机在原点,朝向-z,以+y为向上方向)

假设此时所有物体装在一个 [ l , r ] × [ b , t ] × [ f , n ] [l, r]\times[b,t] \times [f, n] [l,r]×[b,t]×[f,n] 的长方体内,将这个长方体映射到 [ − 1 , 1 ] 3 [-1, 1]^3 [1,1]3 的正方体:

在这里插入图片描述
先平移,再缩放:
M o r t h o = [ 2 r − l 0 0 0 0 2 t − b 0 0 0 0 2 n − f 0 0 0 0 1 ] [ 1 0 0 − r + l 2 0 1 0 − t + b 2 0 0 1 − n + f 2 0 0 0 1 ] M_{ortho} = \begin{bmatrix} \frac{2}{r-l} & 0 & 0 & 0 \\ 0 & \frac{2}{t-b} & 0 & 0 \\ 0& 0 & \frac{2}{n-f} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 & -\frac{r+l}{2}\\ 0 & 1 & 0 & -\frac{t+b}{2}\\ 0 & 0 & 1 & -\frac{n+f}{2}\\ 0 & 0 & 0 & 1 \end{bmatrix} Mortho= rl20000tb20000nf200001 1000010000102r+l2t+b2n+f1

透视投影

回顾齐次坐标的一个重要性质:

( x , y , z , 1 ) (x,y,z,1) (x,y,z,1)表示一个点,

( k x , k y , k z , k ! = 0 ) (kx,ky,kz,k!=0) (kx,ky,kz,k!=0)也表示该点,

( x z , y z , z 2 , z ! = 0 ) (xz,yz,z^2,z!=0) (xz,yz,z2,z!=0)也表示该点。

做法:

将一个截头锥体,“挤压”到一个长方体:
在这里插入图片描述
如何“挤压”呢?
提前告诉你,这个“挤压”可以用一个矩阵表示,一般叫投影变换矩阵,那么这个矩阵怎么求呢?

观察,该“挤压”的特点:
对于该截头锥体内部和表面的任意一点,x坐标和 y坐标很明显根据z坐标的大小有相似关系:
在这里插入图片描述
所以平移变换矩阵要做的第一件事情就是把所有对应的点x坐标和y坐标调整到与近平面上的那一点相同:
y ′ = n z y ,     x ′ = n z x y' = \frac{n}{z}y,\ \ \ x' = \frac{n}{z}x y=zny,   x=znx
z坐标怎么变目前还不知道,用齐次坐标表示:
[ x y z 1 ] → [ n x / z n y / z u n k n o w n 1 ] = = [ n x n y s t i l l   u n k n o w n z ] \begin{bmatrix} x\\y\\z\\1 \end{bmatrix}\rightarrow \begin{bmatrix} nx/z\\ny/z\\unknown\\1 \end{bmatrix} == \begin{bmatrix} nx\\ny\\still\ unknown\\z \end{bmatrix} xyz1 nx/zny/zunknown1 == nxnystill unknownz
这样已经可以得到这个变换矩阵的一大部分了:
M p e r s p → o r t h o = [ n 0 0 0 0 n 0 0 ? ? ? ? 0 0 1 0 ] M_{persp\rightarrow ortho} = \begin{bmatrix} n & 0 & 0 & 0\\ 0 & n & 0 & 0\\ ? & ? & ? & ?\\ 0 & 0 & 1 & 0 \end{bmatrix} Mpersportho= n0?00n?000?100?0

那么该矩阵的第三行怎么求?

利用两点:

  1. 近平面上的点不会发生改变
    [ x y n 1 ] → [ x y n 1 ] = = [ n x n y n 2 n ] \begin{bmatrix} x\\y\\n\\1 \end{bmatrix} \rightarrow \begin{bmatrix} x\\y\\n\\1 \end{bmatrix} == \begin{bmatrix} nx\\ ny\\ n^2\\ n \end{bmatrix} xyn1 xyn1 == nxnyn2n
    因为 n 2 n^2 n2 x 、 y x、y xy无关,所以第三行的第一个和第二个元素是0,也就是说对于透视投影矩阵的第三行有:
    [ 0 0 A B ] [ x y n 1 ] = n 2 \begin{bmatrix} 0&0&A&B \end{bmatrix} \begin{bmatrix} x\\y\\n\\1 \end{bmatrix}=n^2 [00AB] xyn1 =n2

  2. 远平面上与z轴相交的点不会改变
    [ 0 0 f 1 ] → [ 0 0 f 1 ] = = [ 0 0 f 2 f ] \begin{bmatrix} 0\\0\\f\\1 \end{bmatrix}\rightarrow \begin{bmatrix} 0\\0\\f\\1 \end{bmatrix}== \begin{bmatrix} 0\\0\\f^2\\f \end{bmatrix} 00f1 00f1 == 00f2f
    也就是:
    [ 0 0 A B ] [ 0 0 f 2 f ] = f 2 \begin{bmatrix} 0 & 0 & A & B \end{bmatrix} \begin{bmatrix} 0\\0\\f^2\\f \end{bmatrix} = f^2 [00AB] 00f2f =f2

可以建立方程组求解A和B了:
A n + B = n 2 A f + B = f 2 An+B=n^2\\ Af+B=f^2 An+B=n2Af+B=f2
解得
A = n + f ,     B = − n f A = n+f,\ \ \ B= -nf A=n+f,   B=nf

得到该矩阵为:
M p e r s p → o r t h o = [ n 0 0 0 0 n 0 0 0 0 n + f − n f 0 0 n 0 ] M_{persp\rightarrow ortho} = \begin{bmatrix} n & 0 & 0 & 0\\ 0 & n & 0 & 0\\ 0 & 0 & n+f & -nf\\ 0 & 0 & n & 0 \end{bmatrix} Mpersportho= n0000n0000n+fn00nf0

最后
M p e r s p = M o r t h o M p e r s p → o r t h o M_{persp} = M_{ortho}M_{persp\rightarrow ortho} Mpersp=MorthoMpersportho

问题:对于截头锥体中间的点,它的z坐标怎么变?

[ n 0 0 0 0 n 0 0 0 0 n + f − n f 0 0 n 0 ] [ x y z 1 ] = [ n x n y n z + f z − n f z ] \begin{bmatrix} n & 0 & 0 & 0\\ 0 & n & 0 & 0\\ 0 & 0 & n+f & -nf\\ 0 & 0 & n & 0 \end{bmatrix} \begin{bmatrix} x\\y\\z\\1 \end{bmatrix}= \begin{bmatrix} nx\\ny\\nz+fz-nf\\z \end{bmatrix} n0000n0000n+fn00nf0 xyz1 = nxnynz+fznfz


f ( z ) = n z + f z − n f z − z = 1 z [ − z 2 + ( n + f ) z − n f ] , ( n < z < f ) f(z) = \frac{nz+fz-nf}{z}-z = \frac{1}{z}[-z^2+(n+f)z -nf],(n<z<f) f(z)=znz+fznfz=z1[z2+(n+f)znf](n<z<f)
对于中括号中的二次函数,开口向下,且两个零点为z=f和z=n,所以中括号中的二次函数在f<n<z这个区间里大于0,又z<0,所以f(z)小于0,即z的坐标会变小(朝远平面方向变)。

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