目录先新建一组散点充当坐标轴旋转矩阵与初步演示转动次序对旋转的影响动态演示旋转过程总结先新建一组散点充当坐标轴为了比较直观地展示旋转过程，这里通过散点来新建三个坐标轴，通过对这三个坐标轴的转动，来直观地展现转动矩阵对坐标变换的影响。
import numpy as np import matplotlib.pyplot as plt
def setAxis(N, axis=0):xs = np.arange(N) ys = np.zeros_like(xs) zs = np.zeros_like(xs) if axis==0 : return [xs, ys, zs]elif axis==1 : return [ys, xs, zs]else: return [ys, zs, xs]
def drawAxis(X,Y,Z):ax = plt.subplot(projection='3d') ax.scatter(*X, c='r') ax.scatter(*Y, c='g') ax.scatter(*Z, c='b') plt.show()
X = setAxis(10, 0) Y = setAxis(10, 1) Z = setAxis(10, 2) drawAxis(X, Y, Z)效果为
旋转矩阵与初步演示欧拉角是用来唯一地确定定点转动刚体位置的三个一组独立角参量，由章动角θ、进动角ψ和自转角φ组成，为L.欧拉首先提出，故得名。
为了尽快进入演示部分，故对原理的介绍从略，仅从二维平面上的旋转矩阵出发，做一个简单的推导，而三维旋转矩阵，至少在形式上与二维是雷同的。
假设坐标系中有一个向量 ( x , y )，其模长为
，角度为
。若将其围绕坐标原点逆时针旋转 θ \theta θ，则其坐标变为
由于
，则上式可以写为
写成矩阵形式即为
也就是说，在平面直角坐标系上，向量绕原点顺时针旋转 θ \theta θ，相当于左乘一个旋转矩阵。
推广到三维，为了限制 x y xy xy坐标平面上的旋转，要将其旋转中心从原点扩展为绕着 z z z轴旋转，从而三维旋转矩阵可推广为
同理可得到绕三个轴转动的旋转矩阵，为了书写方便，记
，可列出下表。
下面用lambda表达式来实现，用以描述单个轴的旋转过程。
import numpy as np# 将角度转弧度后再求余弦cos = lambda th : np.cos(np.deg2rad(th)) sin = lambda th : np.sin(np.deg2rad(th))
# 即 Rx(th) => Matrix Rx = lambda th : np.array([[1, 0, 0],[0, cos(th), -sin(th)],[0, sin(th), cos(th)]]) Ry = lambda th : np.array([[cos(th), 0, sin(th)],[0 , 1, 0],[-sin(th), 0, cos(th)]]) Rz = lambda th : np.array([[cos(th) , sin(th), 0],[-sin(th), cos(th), 0],[0 , 0, 1]])有了旋转矩阵，就可以旋转，接下来让坐标轴沿着三个轴分别旋转30°，其效果如下
代码如下def drawAxis(X, Y, Z, fig, i):ax = fig.add_subplot(1,3,i,projection='3d') ax.plot(*X, c='r') ax.plot(*Y, c='g') ax.plot(*Z, c='b')
Xx, Yx, Zx = Rx(30) @ X, Rx(30) @ Y, Rx(30) @ Z Xy, Yy, Zy = Ry(30) @ X, Ry(30) @ Y, Ry(30) @ Z Xz, Yz, Zz = Rz(30) @ X, Rz(30) @ Y, Rz(30) @ Z
fig = plt.figure("rotate") drawAxis(Xx, Yx, Zx, fig, 1) drawAxis(Xy, Yy, Zy, fig, 2) drawAxis(Xz, Yz, Zz, fig, 3)
plt.show()转动次序对旋转的影响由于旋转被建模成了矩阵，而众所周知矩阵乘法是不可交换的，也就是说，就算绕着三个坐标轴旋转相同的角度，也会因为转动次序不同而引发不同的结果。
XYZ = [X, Y, Z]R_xyz = [Rz(30) @ Ry(30) @ Rx(30) @ R for R in XYZ]R_zyx = [Rx(30) @ Ry(30) @ Rz(30) @ R for R in XYZ]R_yxz = [Rz(30) @ Rx(30) @ Ry(30) @ R for R in XYZ]
fig = plt.figure("rotate") drawAxis(*R_xyz, fig, 1) drawAxis(*R_zyx, fig, 2) drawAxis(*R_yxz, fig, 3)
plt.show()得到下图
动态演示旋转过程30°的转动之后，坐标轴变得面目全非，接下来要做的就是动态绘制这三个坐标轴的旋转过程from numpy.random import rand from matplotlib import animation
Rot = [Rx, Ry, Rz]# 根据指定坐标轴顺序来以指定角度旋转向量def rotVec(vec, axis, degs):for i in range(len(axis)):vec = Rot[axis[i]](degs[i]) @ vec return vec
# 若x在[a,b]区间，则对a取模，若小于a置0，大于b为b-a def truncMod(x, a, b):if x < a : return 0 elif x >= b : return b-a else : return x%(b-a)
# 三个坐标轴XYZ = [setAxis(10,i) for i in range(3)]
fig = plt.figure(figsize=(5,5)) ax = fig.add_subplot(projection='3d') ax.grid()
lines = [ax.plot([],[],[], '-', lw=0.5, c=c)[0]for c in 'rgb']
def animate(n):# 按照xyz顺序旋转axis = [2,1,0]degs = [truncMod(n, st, st + 30) for st in [0,30,60]]newXYZ = [rotVec(x, axis, degs) for x in XYZ]for i in range(3):lines[i].set_data(newXYZ[i][0],newXYZ[i][1]) lines[i].set_3d_properties(newXYZ[i][2]) return lines
ani = animation.FuncAnimation(fig, animate,range(90), interval=50, blit=True)
#plt.show() ani.save("zyx.gif")效果如下x-y-z
z-y-x
总结到此这篇关于Python动态演示旋转矩阵作用的文章就介绍到这了,更多相关Python动态演示旋转矩阵内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:python将四元数变换为旋转矩阵的实例Python根据欧拉角求旋转矩阵的实例Python3实现的旋转矩阵图像算法示例python 和c++实现旋转矩阵到欧拉角的变换方式python实现回旋矩阵方式(旋转矩阵)对Python的zip函数妙用,旋转矩阵详解