LearnGL - 06 - Matrix - 矩阵01 - 齐次坐标、缩放、旋转矩阵（欧拉 Euler 角）

本人才疏学浅，如有什么错误，望不吝指出。

上一篇：LearnGL - 05.3 - 封装 Main.cpp 中重复 GLFW代码，让新建的项目更方便的开展。

这一篇：这篇我们在讲一丢丢关于矩阵的内容。

本来我不想写关于矩阵的内容。因为要排版很多内容(LaTex挺多)，-_-!!!，但是想了一下，还是加上吧，因为这个是我自己以前看过的资料总结的，先暂时写这么多，后续有空再补上关于矩阵的其他内容。

这里推荐一下关于矩阵的完整系统教学，我也是参考了其他网站上关于 OpenGL 学习资料中的：变换，这篇文章里介绍的：

可汗学院

• 可汗学院-线性代数-矩阵-在线视频、习题、小考 - （什么时候国内的在线免费教育能做到这样，教育方面就进步了）
• 矩阵变换

最近需要系统学习一下这方面资料，发现他这在线免费的教程资料太太太好了，忍不住要分享一下。

相比我之前在：网易公开课，里看的熟肉的质量好多了，因为我上面推荐的可汗学院的网站是官方网，虽然的内容是英文版，但是还好的是陌生单词不会很多。

可汗的故事以前看过，反正后来是比尔盖茨投资他继续为科学教育助力，因为比尔盖茨也是他的粉丝，而我，是比尔盖茨的粉丝。

看看：“A world class education for anyone, anywhere 100% free。”，这就是初心，感动人的工匠，这是造福人类啊。

OK，那么开始正文：

变换 这篇文章里排版什么的我是非常喜欢，看起来很舒服。

但里面刚好有一丢丢我会的内容没提到，我也在此基础上添加一丢丢笔记吧。

注意，什么是 向量、标量向量相乘、向量加减法、向量点积、向量乘积、矩阵乘法 我都不再说明，因为 变换 说得足够的清晰了。

点在坐标系下的定位

我们先了解 点在坐标系下的定位

先看看坐标轴长什么样：

这些内容大家肯定了解，毕竟都是初中知识。

O是坐标系原点，X就是X轴，其他两个就是Y轴和Z轴。

它们看起来就像是 三个向量。

没错，就是三个向量，OK，那么我们将它们每个轴的向量都标记上向量分量：

我们先给轴都定义一个标识符（字母上面加一个指向右的箭头）吧：$\overrightarrow{X}$ 表 X轴，以此类推 $\overrightarrow{Y}、\overrightarrow{Z}$。
然后原点是：$O$

$\overrightarrow{X}=(1,0,0)$
$\overrightarrow{Y}=(0,1,0)$
$\overrightarrow{Z}=(0,0,1)$

从坐标轴长度可以看出来，都是 1的长度（单位化向量长度都是1）。
所以三个向量都是 单位向量（基向量）。
而且三个向量都是相互 垂直的（正交的）。
所以我们也可以叫：正交基向量，也叫 自然基、标准化（归一化）基向量，叫法挺多，选一个方便我们理解的就好，暂时选用 正交基向量。

如果我有任意一个点像在此坐标系下显示位置，我们如果处理呢？

假设我有一个点P，它就在原点O(0,0,0)的位置上，它和原点重合了，我们想让它右边（X轴正方向）移动0.5的位移量，好让我们看清这个点：

那么下面P点的位置变成了：$O+0.5\overrightarrow{X}$

就是在：原点$O$基础上往$\overrightarrow{X}$偏移0.5的量

$O=(0,0,0),\overrightarrow{X}=(1,0,0)$
$P点=O+0.5\overrightarrow{X}$
$=(0,0,0)+0.5\cdot (1,0,0)$
$=(0.5,0,0)$

然后再向上（Y轴正方向）移动0.2个位移量：$O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}$

就是在：原点$O$基础上往$\overrightarrow{X}$偏移0.5的量，再往$\overrightarrow{Y}$偏移0.2的量

$O=(0,0,0),\overrightarrow{X}=(1,0,0),\overrightarrow{Y}=(0,1,0)$
$P点=O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}$
$=(0,0,0)+0.5\cdot (1,0,0)+0.2\cdot (0,1,0)$
$=(0.5,0,0)+(0,0.2,0)$
$=(0.5,0.2,0)$

然后再向前（Z轴正方向）移动0.5个位移量：$O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}+0.5\overrightarrow{Z}$

就是在：原点$O$基础上往$\overrightarrow{X}$偏移0.5的量，再往$\overrightarrow{Y}$偏移0.2的量，再往$\overrightarrow{Z}$偏移0.5的量

$O=(0,0,0),\overrightarrow{X}=(1,0,0),\overrightarrow{Y}=(0,1,0),\overrightarrow{Z}=(0,0,1)$
$P点=O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}+0.5\overrightarrow{Z}$
$=(0,0,0)+0.5\cdot (1,0,0)+0.2\cdot (0,1,0)+0.5\cdot (0,0,1)$
$=(0.5,0,0)+(0,0.2,0)+(0,0,0.5)$
$=(0.5,0.2,0.5)$

OK，这就是点$P(0.5,0.2,0.5)$在此坐标系下的位置。

更重要的是，我们得出了一个式子：$O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}+0.5\overrightarrow{Z}$

再把：$P(0.5,0.2,0.5)$，换成：$P(p_x,p_y,p_z)$

那么式子：$O+0.5\overrightarrow{X}+0.2\overrightarrow{Y}+0.5\overrightarrow{Z}$

变成了：$O+p_x\cdot \overrightarrow{X}+p_y\cdot \overrightarrow{Y}+p_z\cdot \overrightarrow{Z}$

其实这式子就是3D图形学中4x4矩阵的前身，因为这个式子可以表示一次变换。

注意：而使用矩阵的原因是因为矩阵数据集合本身可以修改。假设我们有一个矩阵变换（坐标系）A，只要我们用另一个矩阵变换 B 去修改它，那么它就相当于在原来的矩阵的变换（或是说坐标系）基础上，再次改变了坐标系的轴（旋转或缩放），变成了另一个新的坐标系：C，$C=B\cdot A$，这个 C 矩阵就相当于柔和了 A 和 B 矩阵变换的累积变换。

我就举个机械手臂的例子：

将他们的每个子矩阵变换，或者说是子坐标系，罗列一下可以有这么几个

有：

• $A$ 它是我们的肱二头肌
• $B$ 是手腕
• $C$ 是类似人类手掌
• $D_1,D_2$ 是手指$D$关节1、2
• $E_1,E_2$ 是手指$E$关节1、2
• $F_1,F_2$ 是手指$F$关节1、2
• $G$ 是我们的红球

其中 G 会比较特殊

从$A$到$G$都的坐标系之前的嵌套可以理解为：

	A
	|
	+--->B
		|
		+--->C
			|
			+--->D_1
			|	|
			|	+--->D2
			+--->E_1
			|	|
			|	+--->E_2
			+--->F_1
				|
				+--->F_2

G 呢？它没有属于机械手臂的坐标系吗？因为我们的机械手臂的D,E,F关节都是可以旋转而夹紧红球 G，并且 D,E,F 不再变换后，D,E,F，G都数据 C 的子坐标系。

只要 G 求没有东西固定它，它都属于世界坐标。

当然，我们上面通常是简单的游戏中的制作方法，更好的方法是直接使用物理系统来给球体、机械手臂添加物理刚体网格，让他们使用物理系统来驱动相应。

每一个关节都有一个坐标系，或是说：矩阵变换。

如果我们驱动 A 矩阵变换，那么其他所有的 子坐标 或是说 子矩阵变换 都一同跟着变换，如果我们驱动 B，那么 A 保持不动，B 下的所有 子矩阵变换 又会跟着变化。（有些系统是例外，如：实现IK动力学，是需要 子矩阵变换 来计算驱动 父级矩阵 如何变化的）

这些每个坐标系相对世界坐标系统（$I，单位矩阵，对角都是1，其余都为0$）来说，他们都可以这么表示：

• $I\cdot A$
• $I\cdot A\cdot B$
• $I\cdot A\cdot B\cdot C$
• $I\cdot A\cdot B\cdot C\cdot D_1$
• $I\cdot A\cdot B\cdot C\cdot D_1\cdot D_2$
• $I\cdot A\cdot B\cdot C\cdot E_1$
• $I\cdot A\cdot B\cdot C\cdot E_1\cdot E_2$
• $I\cdot A\cdot B\cdot C\cdot F_1$
• $I\cdot A\cdot B\cdot C\cdot F_1\cdot F_2$

继续上面的 坐标系下点的定位的 内容，我们可以将：$O+p_x\cdot \overrightarrow{X}+p_y\cdot \overrightarrow{Y}+p_z\cdot \overrightarrow{Z}$写成矩阵的方式：

首先是每个轴，我们都写成3x3中某个列的向量来表示:
$$\overrightarrow{X}=\left[\begin{array}{c}|\\ \overrightarrow{X}\\ |\end{array}\right],\overrightarrow{Y}=\left[\begin{array}{c}|\\ \overrightarrow{Y}\\ |\end{array}\right],\overrightarrow{Z}=\left[\begin{array}{c}|\\ \overrightarrow{Z}\\ |\end{array}\right]$$
这样我们的三个 正交基向量 就构成了一个3x3矩阵：$M$
$$M=\left[\begin{array}{ccc}|& |& |\\ \overrightarrow{X}& \overrightarrow{Y}& \overrightarrow{Z}\\ |& |& |\end{array}\right]$$
然后是我们的点$P$可以是表示为一个3x1的向量（矩阵）：
$$\left(\begin{array}{c}{p}_x\\ p_y\\ p_z\end{array}\right)$$

然后是点$P$在$M$坐标系（变换矩阵）中定位后（变换后）的坐标定义为：$P1$，那么$P1$等于：
$$\left(\begin{array}{c}p{1}_x\\ p{1}_y\\ p{1}_z\end{array}\right)$$
$$P1=M\cdot P\to \left(\begin{array}{c}p{1}_x\\ p{1}_y\\ p{1}_z\end{array}\right)=[\begin{array}{ccc}|& |& |\\ \overrightarrow{X}& \overrightarrow{Y}& Z\\ |& |& \end{array}$$