模型视图变换矩阵的推导

本文详细介绍了如何推导模型视图变换矩阵,用于将世界坐标系下的坐标转换到相机坐标系。首先确定相机坐标系的标架,然后通过旋转变换和平移变换矩阵相乘得到最终的mv矩阵。文章还探讨了坐标轴旋转变换矩阵A的逆矩阵,平移矩阵T,并给出从世界坐标系到相机坐标系的完整变换公式。

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

图形学上课的时候,👴坐在第一排划拉瑟图 ,老师突然布置了个作业:推导mv变换的矩阵常言道上山容易下山难之用轮一时爽,造轮火葬场 ,这可把👴急坏了,周末就嗯搁这埋头一顿推。推了挺久的 今天记录一下过程。

mv矩阵的目的是将世界坐标系下的坐标转到相机坐标系下,即通过世界坐标表示相机坐标。其实就是一些平移和旋转变换,然后将坐标系转换即可。所以我们要求得两个变换的矩阵:

  1. 旋转变换矩阵
  2. 平移变换矩阵

然后把两个矩阵相乘,得到最终的变换矩阵 M,这个 M 矩阵左乘世界坐标系下的齐次坐标,能够帮助我们将世界坐标转为相机坐标。

好了 背景介绍到这里,❀不多🔒,开冲!

我们转换的第一步,就是确定相机坐标系的标架。假设已知世界坐标系下:

  1. 相机原点 p 点坐标
  2. 视平面法线 n
  3. 竖直向上向量 vup (在世界坐标中为 (0, 1, 0))

那么我们可以计算 vup 在视平面上的投影v,即平行于视平面的竖直向上分量。方法是通过三角形法则。随后通过n和v的叉乘表示出最后一个轴u:

在这里插入图片描述

将 u,v,n 归一化之后,我们得到在世界坐标系下,相机坐标系三个坐标轴指向的方向。

因为 u,v,n 都是归一化的向量,那么我们认为 u,v,n 就是世界坐标系下,相机坐标系的三个基向量。根据右手坐标系法则:u,v,n 向量对应的坐标轴为:

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