当前位置: 首页 > news >正文

PCL 点云旋转的轴角表示法

目录

  • 一、算法原理
    • 1、轴角表示法
    • 2、旋转矩阵推导
    • 3、点云旋转公式
  • 二、代码实现
  • 三、结果展示

在这里插入图片描述

一、算法原理

1、轴角表示法

  在点云处理中,轴角旋转是核心的3D变换操作,其数学基础是罗德里格斯旋转公式(Rodrigues’ rotation formula)。该公式将旋转轴和角度转换为旋转矩阵,应用于点云中的每个点。

  • 旋转轴:单位向量 v = ( v x , v y , v z ) \mathbf{v} = (v_x, v_y, v_z) v=(vx,vy,vz),满足 ∣ ∣ v ∣ ∣ = 1 ||\mathbf{v}||=1 ∣∣v∣∣=1
  • 旋转角度: θ \theta θ(弧度制)
    数学表示为: ( v , θ ) (\mathbf{v}, \theta) (v,θ)

2、旋转矩阵推导

  根据罗德里格斯公式,旋转矩阵 R \mathbf{R} R 的推导如下:
R = I + sin ⁡ θ [ v ] × + ( 1 − cos ⁡ θ ) [ v ] × 2 \mathbf{R} = \mathbf{I} + \sin\theta[\mathbf{v}]_\times + (1 - \cos\theta)[\mathbf{v}]_\times^2 R=I+sinθ[v]×+(1cosθ)[v]×2
其中:

  • I \mathbf{I} I 是3×3单位矩阵
  • [ v ] × [\mathbf{v}]_\times [v]× 是旋转轴的叉乘矩阵:
    [ v ] × = [ 0 − v z v y v z 0 − v x − v y v x 0 ] [\mathbf{v}]_\times = \begin{bmatrix} 0 & -v_z & v_y \\ v_z & 0 & -v_x \\ -v_y & v_x & 0 \end{bmatrix} [v]×= 0vzvyvz0vxvyvx0

展开后得到完整旋转矩阵:
R = [ cos ⁡ θ + v x 2 ( 1 − cos ⁡ θ ) v x v y ( 1 − cos ⁡ θ ) − v z sin ⁡ θ v x v z ( 1 − cos ⁡ θ ) + v y sin ⁡ θ v y v x ( 1 − cos ⁡ θ ) + v z sin ⁡ θ cos ⁡ θ + v y 2 ( 1 − cos ⁡ θ ) v y v z ( 1 − cos ⁡ θ ) − v x sin ⁡ θ v z v x ( 1 − cos ⁡ θ ) − v y sin ⁡ θ v z v y ( 1 − cos ⁡ θ ) + v x sin ⁡ θ cos ⁡ θ + v z 2 ( 1 − cos ⁡ θ ) ] \mathbf{R} = \begin{bmatrix} \cos\theta + v_x^2(1-\cos\theta) & v_xv_y(1-\cos\theta) - v_z\sin\theta & v_xv_z(1-\cos\theta) + v_y\sin\theta \\ v_yv_x(1-\cos\theta) + v_z\sin\theta & \cos\theta + v_y^2(1-\cos\theta) & v_yv_z(1-\cos\theta) - v_x\sin\theta \\ v_zv_x(1-\cos\theta) - v_y\sin\theta & v_zv_y(1-\cos\theta) + v_x\sin\theta & \cos\theta + v_z^2(1-\cos\theta) \end{bmatrix} R= cosθ+vx2(1cosθ)vyvx(1cosθ)+vzsinθvzvx(1cosθ)vysinθvxvy(1cosθ)vzsinθcosθ+vy2(1cosθ)vzvy(1cosθ)+vxsinθvxvz(1cosθ)+vysinθvyvz(1cosθ)vxsinθcosθ+vz2(1cosθ)

数学验证

θ = 0 \theta=0 θ=0 时:
R = I (单位矩阵) \mathbf{R} = \mathbf{I} \quad \text{(单位矩阵)} R=I(单位矩阵)
θ = π \theta=\pi θ=π 时:
R = 2 v v T − I (绕轴旋转180°) \mathbf{R} = 2\mathbf{v}\mathbf{v}^T - \mathbf{I} \quad \text{(绕轴旋转180°)} R=2vvTI(绕轴旋转180°)

应用场景

  1. 点云配准:在ICP算法中实现初始对齐
  2. 三维重建:多视角点云融合
  3. 机器人运动规划:工具坐标系变换
  4. 虚拟现实:动态场景旋转

3、点云旋转公式

  对点云中任意点 p = ( x , y , z ) \mathbf{p} = (x, y, z) p=(x,y,z),旋转后坐标:
p ′ = R ⋅ p + t \mathbf{p}' = \mathbf{R} \cdot \mathbf{p} + \mathbf{t} p=Rp+t
其中 t \mathbf{t} t 是平移向量(若需平移)

二、代码实现

#include <iostream>
#include <cmath>
#include <Eigen/Core>
#include <Eigen/Geometry>// Eigen 几何模块
#include <pcl/common/common.h>using namespace std;int main(int argc, char** argv)
{Eigen::Vector3f v1(2, 4, 7), v2(7, 8, 9); // v1是旋转前的向量,v2是旋转后的向量float RotateRad = pcl::getAngle3D(v1, v2);// 获取旋转夹角Eigen::Vector3f RotateAxis = v1.cross(v2);//叉积,得到旋转轴Eigen::Matrix3f rotation_matrix = Eigen::Matrix3f::Identity();Eigen::AngleAxisf rotation_vector(RotateRad, RotateAxis.normalized()); // 注意:旋转轴必须为单位向量rotation_matrix = rotation_vector.toRotationMatrix();// 使用罗德里格斯公式得到旋转矩阵cout << "rotation matrix =\n" << rotation_matrix << endl;  return 0;
}

三、结果展示

在这里插入图片描述

相关文章:

  • 细节/数学/滑动窗口
  • python版halcon环境配置
  • Scrapy全流程(一)
  • CLion开发Qt桌面程序_git的简单使用_小团体
  • (LeetCode 面试经典 150 题) 80. 删除有序数组中的重复项 II (双指针、栈)
  • 信贷域——信贷年审业务
  • Python漂浮的爱心
  • 闲庭信步使用SV搭建图像测试平台:第五课——使用task
  • 【Fargo】mediasoup发送2:码率分配、传输基类设计及WebRtcTransport原理
  • x1+x2=4 X1-X2=2的画图呢?
  • std::shared_ptr 的线程安全性
  • Java基础 6.21
  • cursor中定义cursor rules
  • 【Elasticsearch】运维监控:分片和节点
  • 当数据自己会说话:聚类与分类算法全景解析
  • P1220 关路灯
  • AI大模型学习之基础数学:微积分-AI大模型的数学引擎
  • nn4dms开源程序是用于深度突变扫描数据的神经网络
  • 安装 Labelme
  • 如何使用Ant Design Blazor组件在列表页弹窗增加修改数据
  • 中企业网站建设/怎么做电商平台
  • 大浪做网站/如何让百度快速收录
  • 行业协会网站建设的目的/seo搜索引擎优化教程
  • 2016年网站推广方法/职业技能培训中心
  • android手机开发工具/信息流优化师简历
  • 做三维特效的好网站/网络营销管理名词解释