如果仅仅是平移和旋转,那么这就是称为仿射变换的变换。
它基本上采取以下形式:
secondary_system = A * primary_system + b
其中A
是3x3矩阵(因为您处于3D模式),并且b
是3x1转换。
可以等效地写成
secondary_system_coords2 = A2 * primary_system2,
哪里
[ A b ]
[ 0,0,0,1 ]
(有关更多信息,请参见Wiki页面)。
因此,基本上,您想求解方程:
y = A2 x
对于A2
,其中y
由secondary_system
末端贴有1的点组成,是末端贴有1的x
点primary_system
,A2
是4x4矩阵。
现在,如果x
是方矩阵,我们可以像这样解决它:
A2 = y*x^(-1)
但是x
是4x1。但是,您很幸运,并且有 4 套和 4 套x
相应的y
,因此您可以x
像这样构造一个4x4的:
x = [ primary_system1 | primary_system2 | primary_system3 | primary_system4 ]
其中每个primary_systemi
是4x1的列向量。与相同y
。
有了之后A2
,要将一个点从system1转换为system 2,只需执行以下操作:
transformed = A2 * point_to_transform
您可以这样设置(例如在中numpy
):
import numpy as np
def solve_affine( p1, p2, p3, p4, s1, s2, s3, s4 ):
x = np.transpose(np.matrix([p1,p2,p3,p4]))
y = np.transpose(np.matrix([s1,s2,s3,s4]))
# add ones on the bottom of x and y
x = np.vstack((x,[1,1,1,1]))
y = np.vstack((y,[1,1,1,1]))
# solve for A2
A2 = y * x.I
# return function that takes input x and transforms it
# don't need to return the 4th row as it is
return lambda x: (A2*np.vstack((np.matrix(x).reshape(3,1),1)))[0:3,:]
然后像这样使用它:
transformFn = solve_affine( primary_system1, primary_system2,
primary_system3, primary_system4,
secondary_system1, secondary_system2,
secondary_system3, secondary_system4 )
# test: transform primary_system1 and we should get secondary_system1
np.matrix(secondary_system1).T - transformFn( primary_system1 )
# np.linalg.norm of above is 0.02555
# transform another point (x,y,z).
transformed = transformFn((x,y,z))
这里当然会有数值误差,这可能不是解决变换的最佳方法(您也许可以做某种最小二乘的事情)。
另外,转换primary_systemx
为的错误secondary_systemx
(对于此示例)为10 ^(-2)。
您必须考虑这是否可以接受(它看起来确实很大,但与所有输入点都为10 ^ 6的输入点相比,这可能是可以接受的)。