Python基于歐拉角繪制一個立方體

更新時間：2023年02月27日 16:55:37 作者：微小冷

這篇文章主要為大家詳細介紹了Python如何基于歐拉角實現(xiàn)繪制一個立方體，文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學習一下

先畫個立方體

工欲善其事、必先利其器，在開始學習歐拉角模擬之前，可先繪制一個立方體。

在matplotlib中，這個任務可通過plt.voxels實現(xiàn)，下面先繪制一個最質(zhì)樸的立方體

代碼為

import matplotlib.pyplot as plt
import numpy as np

x, y, z = np.indices((2, 2, 2))
filled = np.ones((1,1,1))
ax = plt.subplot(projection='3d')
ax.voxels(x,y,z, filled=filled)
plt.show()

其中，x,y,z表示頂點，filled表示被填充的區(qū)域。由于其頂點數(shù)量為2×2×2，故只有一個立方體，從而filled是一個1×1×1的張量。

有了立方體之后，就可以進行歐拉角仿真了。

歐拉角和旋轉(zhuǎn)矩陣

為了盡快進入演示部分，故對原理的介紹從略，僅從二維平面上的旋轉(zhuǎn)矩陣出發(fā)，做一個簡單的推導，而三維旋轉(zhuǎn)矩陣，至少在形式上與二維是雷同的。

假設坐標系中有一個向量(x,y)，其模長為r=√x²+y²，角度為θ₀=arctan(y/x).若將其圍繞坐標原點逆時針旋轉(zhuǎn)θ，則其坐標變?yōu)?/p>

由于x=rcosθ₀, y=rsinθ₀，則上式可以寫為

寫成矩陣形式即為

也就是說，在平面直角坐標系上，向量繞原點順時針旋轉(zhuǎn)θ，相當于左乘一個旋轉(zhuǎn)矩陣。

推廣到三維，為了限制xy坐標平面上的旋轉(zhuǎn)，要將其旋轉(zhuǎn)中心從原點擴展為繞著z軸旋轉(zhuǎn)，從而三維旋轉(zhuǎn)矩陣可推廣為

同理可得到繞三個軸轉(zhuǎn)動的旋轉(zhuǎn)矩陣，為了書寫方便，記S_θ=sinθ,C_θ=cosθ，可列出下表。

初步演示

將旋轉(zhuǎn)矩陣寫成函數(shù)是十分方便的，下面用lambda表達式來實現(xiàn)

import numpy as np
# 將角度轉(zhuǎn)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]])

有了旋轉(zhuǎn)矩陣，就可以旋轉(zhuǎn)，接下來讓正方體沿著三個軸分別旋轉(zhuǎn)30°，其效果如下

由于ax.voxels在繪圖時，要求輸入的是擁有三個維度的數(shù)組，而旋轉(zhuǎn)矩陣是3 × 3 3\times33×3矩陣，相當于是二維數(shù)組，彼此之間可能很難計算，所以實際計算時，需要對數(shù)組維度進行調(diào)整

import matplotlib.pyplot as plt
# 用于批量調(diào)節(jié)x,y,z的數(shù)組維度
Reshape = lambda x,y,z : [x.reshape(2,2,2), y.reshape(2,2,2), z.reshape(2,2,2)]


filled = np.ones((1,1,1))
x, y, z = np.indices((2, 2, 2))
# 將x,y,z展開，以便于矩陣計算
xyz = np.array([x,y,z]).reshape(3,-1)

fig = plt.figure("rotate")
# 此為未旋轉(zhuǎn)的正方體
ax = fig.add_subplot(1,4,1, projection='3d')
ax.voxels(x,y,z, filled=filled)

# 繞x軸旋轉(zhuǎn)30°
X, Y, Z = Rx(30) @ xyz
ax = fig.add_subplot(1,4,2, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

# 繞y軸旋轉(zhuǎn)30°
X, Y, Z = Ry(30) @ xyz
ax = fig.add_subplot(1,4,3, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

# 繞z軸旋轉(zhuǎn)30°
X, Y, Z = Rz(30) @ xyz
ax = fig.add_subplot(1,4,4, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

plt.show()

不同轉(zhuǎn)動順序的影響

眾所周知，矩陣計算是不能交換的，反映到實際生活中，就是不同的旋轉(zhuǎn)次序，可能會導致完全不同的結(jié)果，接下來沿著不同的旋轉(zhuǎn)次序，來對正方體進行旋轉(zhuǎn)，效果如下

需要注意的是，由于矩陣左乘向量表示對向量進行旋轉(zhuǎn)，所以距離向量最近的矩陣表示最先進行的操作，即R_zR_yR_xr ? 表示先轉(zhuǎn)Rx ,Ry次之，R_z最后。

代碼如下

filled = np.ones((1,1,1))
x, y, z = np.indices((2, 2, 2))
xyz = np.array([x,y,z]).reshape(3,-1)

fig = plt.figure("rotate")
# 旋轉(zhuǎn)順序 x, y, z
X, Y, Z = Rz(30) @ Ry(30) @ Rx(30) @ xyz
ax = fig.add_subplot(1,3,1, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

# 旋轉(zhuǎn)順序 z, y, x
X, Y, Z = Rx(30) @ Ry(30) @ Rz(30) @ xyz
ax = fig.add_subplot(1,3,2, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

# 旋轉(zhuǎn)順序 y, x, z
X, Y, Z = Rz(30) @ Rx(30) @ Ry(30) @ xyz
ax = fig.add_subplot(1,3,3, projection='3d')
ax.voxels(*Reshape(X, Y, Z), filled=filled)

plt.show()

總之，雖然分不清誰是誰，但最起碼可以看清楚，不同的旋轉(zhuǎn)順序的確導致了不同的旋轉(zhuǎn)結(jié)果。

旋轉(zhuǎn)演示

為了更加清楚地表示這一過程，可以將正方體的旋轉(zhuǎn)過程繪制下來，先考慮單軸旋轉(zhuǎn)，假設每次旋轉(zhuǎn)3°，繞X軸旋轉(zhuǎn)30次，則可得到

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
import imageio

filled = np.ones((1,1,1))
x, y, z = np.indices((2, 2, 2))
xyz = np.array([x,y,z]).reshape(3,-1)

def saveGif(X,Y,Z, gifs):
    plt.cla()
    ax = plt.subplot(projection='3d')
    ax.voxels(*Reshape(X, Y, Z), filled=filled)
    ax.set_xlim(-0.5,1.5)
    ax.set_ylim(-0.5,1.5)
    ax.set_zlim(-0.5,1.5)
    ax.set_title(f"theta={th}")
    plt.tight_layout()
    plt.savefig(f"tmp.jpg")
    gifs.append(imageio.imread(f"tmp.jpg"))

gifImgs = []
th = 0

for i in range(30):
    X,Y,Z = Rx(th)@xyz
    th += 3
    saveGif(X, Y, Z, gifImgs)

imageio.mimsave("test.gif",gifImgs,fps=10)

通過這個方法，可以將不同順序的旋轉(zhuǎn)矩陣可視化表示，

filled = np.ones((1,1,1))
x, y, z = np.indices((2, 2, 2))
xyz = np.array([x,y,z]).reshape(3,-1)

gifImgs = []
th = 0
for _ in range(10):
    X,Y,Z = Rz(0) @ Rx(0) @ Ry(th) @ xyz
    th += 3
    saveGif(X, Y, Z, gifImgs)

th = 0
for i in range(10):
    X,Y,Z = Rz(0) @ Rx(th) @ Ry(30) @ xyz
    th += 3
    saveGif(X, Y, Z, gifImgs)

th = 0
for i in range(10):
    X,Y,Z = Rz(th) @ Rx(30) @ Ry(30) @ xyz
    th += 3
    saveGif(X, Y, Z, gifImgs)

imageio.mimsave("test.gif",gifImgs,fps=10)

最后得到三種不同旋轉(zhuǎn)順序的區(qū)別

x-y-z

z-y-x

y-x-z

到此這篇關于Python基于歐拉角繪制一個立方體的文章就介紹到這了,更多相關Python歐拉角實現(xiàn)剛體轉(zhuǎn)動內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

tf.nn.conv2d與tf.layers.conv2d的區(qū)別及說明
這篇文章主要介紹了tf.nn.conv2d與tf.layers.conv2d的區(qū)別及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
2023-02-02
Python操作MySQL簡單實現(xiàn)方法
這篇文章主要介紹了Python操作MySQL簡單實現(xiàn)方法,通過一個簡單的實例講述了Python針對mysql數(shù)據(jù)庫的增刪改查技巧,需要的朋友可以參考下
2015-01-01
Python趣味編程實現(xiàn)手繪風視頻示例
本文與計算機視覺相關，使用Python將圖片由自然風轉(zhuǎn)化為手繪風，期間未對圖片進行任何預處理、后處理；代碼中只借助了兩個常見庫，核心計算由Numpy負責，Pillow 負責圖片讀寫
2021-10-10
使用Pytorch來擬合函數(shù)方式
今天小編就為大家分享一篇使用Pytorch來擬合函數(shù)方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-01-01
Python如何限制輸入的數(shù)范圍
在Python中,我們可以使用多種方法來限制用戶輸入的數(shù)值范圍,今天通過實例代碼給大家分享Python限制輸入的數(shù)范圍,感興趣的朋友一起看看吧
2024-05-05
Python爬取騰訊疫情實時數(shù)據(jù)并存儲到mysql數(shù)據(jù)庫的示例代碼
這篇文章主要介紹了Python爬取騰訊疫情實時數(shù)據(jù)并存儲到mysql數(shù)據(jù)庫的示例代碼,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下
2021-03-03
Python中斷點調(diào)試pdb包的用法詳解
pdb（python debugger）是 python 中的一個命令行調(diào)試包,為 python 程序提供了一種交互的源代碼調(diào)試功能,下面就跟隨小編一起學習一下它的具體使用吧
2024-01-01
django3.02模板中的超鏈接配置實例代碼
在本篇文章里小編給大家整理了關于django3.02模板中的超鏈接配置實例代碼內(nèi)容，需要的朋友們可以學習參考下。
2020-02-02
解決Tensorflow安裝成功,但在導入時報錯的問題
今天小編就為大家分享一篇解決Tensorflow安裝成功,但在導入時報錯的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2018-06-06
聯(lián)邦學習神經(jīng)網(wǎng)絡FedAvg算法實現(xiàn)
這篇文章主要為大家介紹了聯(lián)邦學習神經(jīng)網(wǎng)絡FedAvg算法實現(xiàn)，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪
2022-05-05