【数理知识】求两个三维空间点的坐标矩阵之间,任意两两点之间的空间距离,matlab 实现

这篇具有很好参考价值的文章主要介绍了【数理知识】求两个三维空间点的坐标矩阵之间,任意两两点之间的空间距离,matlab 实现。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

假设有两个包含了三维空间点坐标的,三维向量集 A A A B B B,两集合中分别有 m m m 个和 n n n 个三维空间坐标点,可以用矩阵表示为

A = [ a 1 x a 2 x a 3 x ⋯ a m x a 1 y a 2 y a 3 y ⋯ a m y a 1 z a 2 z a 3 z ⋯ a m z ] 3 × m , B = [ b 1 x b 2 x b 3 x ⋯ b n x b 1 y b 2 y b 3 y ⋯ b n y b 1 z b 2 z b 3 z ⋯ b n z ] 3 × n A = \left[\begin{matrix} a_1^x & a_2^x & a_3^x & \cdots & a_m^x \\ a_1^y & a_2^y & a_3^y & \cdots & a_m^y \\ a_1^z & a_2^z & a_3^z & \cdots & a_m^z \\ \end{matrix}\right]_{3 \times m}, \quad B = \left[\begin{matrix} b_1^x & b_2^x & b_3^x & \cdots & b_n^x \\ b_1^y & b_2^y & b_3^y & \cdots & b_n^y \\ b_1^z & b_2^z & b_3^z & \cdots & b_n^z \\ \end{matrix}\right]_{3 \times n} A= a1xa1ya1za2xa2ya2za3xa3ya3zamxamyamz 3×m,B= b1xb1yb1zb2xb2yb2zb3xb3yb3zbnxbnybnz 3×n

A = [ a 1 x a 1 y a 1 z a 2 x a 2 y a 2 z a 3 x a 3 y a 3 z ⋮ ⋮ ⋮ a m x a m y a m z ] m × 3 , B = [ b 1 x b 1 y b 1 z b 2 x b 2 y b 2 z b 3 x b 3 y b 3 z ⋮ ⋮ ⋮ b n x b n y b n z ] n × 3 A = \left[\begin{matrix} a_1^x & a_1^y & a_1^z \\ a_2^x & a_2^y & a_2^z \\ a_3^x & a_3^y & a_3^z \\ \vdots & \vdots & \vdots \\ a_{m}^x & a_{m}^y & a_{m}^z \\ \end{matrix}\right]_{m \times 3}, \quad B = \left[\begin{matrix} b_1^x & b_1^y & b_1^z \\ b_2^x & b_2^y & b_2^z \\ b_3^x & b_3^y & b_3^z \\ \vdots & \vdots & \vdots \\ b_{n}^x & b_{n}^y & b_{n}^z \\ \end{matrix}\right]_{n \times 3} A= a1xa2xa3xamxa1ya2ya3yamya1za2za3zamz m×3,B= b1xb2xb3xbnxb1yb2yb3ybnyb1zb2zb3zbnz n×3


A A A 集合中三维坐标点 a i a_i ai B B B 集合中点 b j b_j bj 的距离为
d i j = ( a i x − b j x ) 2 + ( a i y − b j y ) 2 + ( a i z − b j z ) 2 d_{ij} = \sqrt{ (\red{a_i^x}-\blue{b_j^x})^2 + (\red{a_i^y}-\blue{b_j^y})^2 + (\red{a_i^z}-\blue{b_j^z})^2 } dij=(aixbjx)2+(aiybjy)2+(aizbjz)2

分析上式,可以得到以下计算思路

( a i x − b j x ) 2 + ( a i y − b j y ) 2 + ( a i z − b j z ) 2 = ( a i x ) 2 + ( b j x ) 2 − 2 a i x b j x + ( a i y ) 2 + ( b j y ) 2 − 2 a i y b j y + ( a i z ) 2 + ( b j z ) 2 − 2 a i z b j z = ( a i x ) 2 + ( a i y ) 2 + ( a i z ) 2 + ( b j x ) 2 + ( b j y ) 2 + ( b j z ) 2 − 2 a i x b j x − 2 a i y b j y − 2 a i z b j z \begin{aligned} (\red{a_i^x}-\blue{b_j^x})^2 + (\red{a_i^y}-\blue{b_j^y})^2 + (\red{a_i^z}-\blue{b_j^z})^2 &= (\red{a_i^x})^2+(\blue{b_j^x})^2 - 2\red{a_i^x}\blue{b_j^x} + (\red{a_i^y})^2+(\blue{b_j^y})^2 - 2\red{a_i^y}\blue{b_j^y} + (\red{a_i^z})^2+(\blue{b_j^z})^2 - 2\red{a_i^z}\blue{b_j^z} \\ &= (\red{a_i^x})^2+(\red{a_i^y})^2+(\red{a_i^z})^2+(\blue{b_j^x})^2+(\blue{b_j^y})^2+(\blue{b_j^z})^2 - 2\red{a_i^x}\blue{b_j^x} - 2\red{a_i^y}\blue{b_j^y} - 2\red{a_i^z}\blue{b_j^z} \end{aligned} (aixbjx)2+(aiybjy)2+(aizbjz)2=(aix)2+(bjx)22aixbjx+(aiy)2+(bjy)22aiybjy+(aiz)2+(bjz)22aizbjz=(aix)2+(aiy)2+(aiz)2+(bjx)2+(bjy)2+(bjz)22aixbjx2aiybjy2aizbjz


为简化计算,我们假设 A A A 集合中有 m = 2 m=2 m=2 个点, B B B 集合中有 n = 3 n=3 n=3 个点。

A = [ a 1 x a 1 y a 1 z a 2 x a 2 y a 2 z ] 2 × 3 , B = [ b 1 x b 1 y b 1 z b 2 x b 2 y b 2 z b 3 x b 3 y b 3 z ] 3 × 3 A = \left[\begin{matrix} \red{a_1^x} & \red{a_1^y} & \red{a_1^z} \\ a_2^x & a_2^y & a_2^z \\ \end{matrix}\right]_{2 \times 3}, \quad B = \left[\begin{matrix} \blue{b_1^x} & \blue{b_1^y} & \blue{b_1^z} \\ b_2^x & b_2^y & b_2^z \\ b_3^x & b_3^y & b_3^z \\ \end{matrix}\right]_{3 \times 3} A=[a1xa2xa1ya2ya1za2z]2×3,B= b1xb2xb3xb1yb2yb3yb1zb2zb3z 3×3

计算过程如下:

  1. 先求出矩阵 A B T AB^\text{T} ABT 有:

A B T = [ a 1 x a 1 y a 1 z a 2 x a 2 y a 2 z ] [ b 1 x b 2 x b 3 z b 1 y b 2 y b 3 y b 1 z b 2 z b 3 z ] = [ a 1 x b 1 x + a 1 y b 1 y + a 1 z b 1 z a 1 x b 2 x + a 1 y b 2 y + a 1 z b 2 z a 1 x b 3 x + a 1 y b 3 y + a 1 z b 3 z a 2 x b 1 x + a 2 y b 1 y + a 2 z b 1 z a 2 x b 2 x + a 2 y b 2 y + a 2 z b 2 z a 2 x b 3 x + a 2 y b 3 y + a 2 z b 3 z ] \begin{aligned} AB^\text{T} &= \left[\begin{matrix} \red{a_1^x} & \red{a_1^y} & \red{a_1^z} \\ a_2^x & a_2^y & a_2^z \\ \end{matrix}\right] \left[\begin{matrix} \blue{b_1^x} & b_2^x & b_3^z \\ \blue{b_1^y} & b_2^y & b_3^y \\ \blue{b_1^z} & b_2^z & b_3^z \\ \end{matrix}\right] \\ &= \left[\begin{matrix} \red{a_1^x}\blue{b_1^x} + \red{a_1^y}\blue{b_1^y} + \red{a_1^z}\blue{b_1^z} && \red{a_1^x} b_2^x + \red{a_1^y} b_2^y + \red{a_1^z} b_2^z && \red{a_1^x} b_3^x + \red{a_1^y} b_3^y + \red{a_1^z} b_3^z \\ a_2^x \blue{b_1^x} + a_2^y \blue{b_1^y} + a_2^z \blue{b_1^z} && a_2^x b_2^x + a_2^y b_2^y + a_2^z b_2^z && a_2^x b_3^x + a_2^y b_3^y + a_2^z b_3^z \end{matrix}\right] \end{aligned} ABT=[a1xa2xa1ya2ya1za2z] b1xb1yb1zb2xb2yb2zb3zb3yb3z =[a1xb1x+a1yb1y+a1zb1za2xb1x+a2yb1y+a2zb1za1xb2x+a1yb2y+a1zb2za2xb2x+a2yb2y+a2zb2za1xb3x+a1yb3y+a1zb3za2xb3x+a2yb3y+a2zb3z]

  1. 然后分别对 A A A B B B 求其中每个坐标点向量的模的平方,并扩展为 2 × 3 2 \times 3 2×3 矩阵。
  • A A A 中的 a 1 \red{a_1} a1 向量有 ∣ a 1 ∣ 2 = ( a 1 x ) 2 + ( a 1 y ) 2 + ( a 1 z ) 2 |\red{a_1}|^2 = (\red{a_1^x})^2 + (\red{a_1^y})^2 + (\red{a_1^z})^2 a12=(a1x)2+(a1y)2+(a1z)2
  • A A A 中的 a 2 a_2 a2 向量有 ∣ a 2 ∣ 2 = ( a 2 x ) 2 + ( a 2 y ) 2 + ( a 2 z ) 2 |a_2|^2 = (a_2^x)^2 + (a_2^y)^2 + (a_2^z)^2 a22=(a2x)2+(a2y)2+(a2z)2
  • B B B 中的 b 1 \blue{b_1} b1 向量有 ∣ b 1 ∣ 2 = ( b 1 x ) 2 + ( b 1 y ) 2 + ( b 1 z ) 2 |\blue{b_1}|^2 = (\blue{b_1^x})^2 + (\blue{b_1^y})^2 + (\blue{b_1^z})^2 b12=(b1x)2+(b1y)2+(b1z)2
  • B B B 中的 b 2 b_2 b2 向量有 ∣ b 2 ∣ 2 = ( b 2 x ) 2 + ( b 2 y ) 2 + ( b 2 z ) 2 |b_2|^2 = (b_2^x)^2 + (b_2^y)^2 + (b_2^z)^2 b22=(b2x)2+(b2y)2+(b2z)2
  • B B B 中的 b 3 b_3 b3 向量有 ∣ b 3 ∣ 2 = ( b 3 x ) 2 + ( b 3 y ) 2 + ( b 3 z ) 2 |b_3|^2 = (b_3^x)^2 + (b_3^y)^2 + (b_3^z)^2 b32=(b3x)2+(b3y)2+(b3z)2

A m s = [ ∣ a 1 ∣ 2 ∣ a 1 ∣ 2 ∣ a 1 ∣ 2 ∣ a 2 ∣ 2 ∣ a 2 ∣ 2 ∣ a 2 ∣ 2 ] A_{ms} = \left[\begin{matrix} |\red{a_1}|^2 && |\red{a_1}|^2 && |\red{a_1}|^2 \\ |a_2|^2 && |a_2|^2 && |a_2|^2 \\ \end{matrix}\right] Ams=[a12a22a12a22a12a22]

B m s = [ ∣ b 1 ∣ 2 ∣ b 2 ∣ 2 ∣ b 3 ∣ 2 ∣ b 1 ∣ 2 ∣ b 2 ∣ 2 ∣ b 3 ∣ 2 ] B_{ms} = \left[\begin{matrix} |\blue{b_1}|^2 && |b_2|^2 && |b_3|^2 \\ |\blue{b_1}|^2 && |b_2|^2 && |b_3|^2 \\ \end{matrix}\right] Bms=[b12b12b22b22b32b32]

  1. 计算矩阵 C = A m s + B m s − 2 A B T C = A_{ms} + B_{ms} - 2 A B^\text{T} C=Ams+Bms2ABT

A m s + B m s − 2 A B T = [ ∣ a 1 ∣ 2 ∣ a 1 ∣ 2 ∣ a 1 ∣ 2 ∣ a 2 ∣ 2 ∣ a 2 ∣ 2 ∣ a 2 ∣ 2 ] + [ ∣ b 1 ∣ 2 ∣ b 2 ∣ 2 ∣ b 3 ∣ 2 ∣ b 1 ∣ 2 ∣ b 2 ∣ 2 ∣ b 3 ∣ 2 ] − 2 [ a 1 x b 1 x + a 1 y b 1 y + a 1 z b 1 z a 1 x b 2 x + a 1 y b 2 y + a 1 z b 2 z a 1 x b 3 x + a 1 y b 3 y + a 1 z b 3 z a 2 x b 1 x + a 2 y b 1 y + a 2 z b 1 z a 2 x b 2 x + a 2 y b 2 y + a 2 z b 2 z a 2 x b 3 x + a 2 y b 3 y + a 2 z b 3 z ] = [ ( a 1 x ) 2 + ( a 1 y ) 2 + ( a 1 z ) 2 ( a 1 x ) 2 + ( a 1 y ) 2 + ( a 1 z ) 2 ( a 1 x ) 2 + ( a 1 y ) 2 + ( a 1 z ) 2 ( a 2 x ) 2 + ( a 2 y ) 2 + ( a 2 z ) 2 ( a 2 x ) 2 + ( a 2 y ) 2 + ( a 2 z ) 2 ( a 2 x ) 2 + ( a 2 y ) 2 + ( a 2 z ) 2 ] + [ ( b 1 x ) 2 + ( b 1 y ) 2 + ( b 1 z ) 2 ( b 2 x ) 2 + ( b 2 y ) 2 + ( b 2 z ) 2 ( b 3 x ) 2 + ( b 3 y ) 2 + ( b 3 z ) 2 ( b 1 x ) 2 + ( b 1 y ) 2 + ( b 1 z ) 2 ( b 2 x ) 2 + ( b 2 y ) 2 + ( b 2 z ) 2 ( b 3 x ) 2 + ( b 3 y ) 2 + ( b 3 z ) 2 ] − 2 [ a 1 x b 1 x + a 1 y b 1 y + a 1 z b 1 z a 1 x b 2 x + a 1 y b 2 y + a 1 z b 2 z a 1 x b 3 x + a 1 y b 3 y + a 1 z b 3 z a 2 x b 1 x + a 2 y b 1 y + a 2 z b 1 z a 2 x b 2 x + a 2 y b 2 y + a 2 z b 2 z a 2 x b 3 x + a 2 y b 3 y + a 2 z b 3 z ] = [ ( a 1 x ) 2 + ( a 1 y ) 2 + ( a 1 z ) 2 + ( b 1 x ) 2 + ( b 1 y ) 2 + ( b 1 z ) 2 − 2 a 1 x b 1 x − 2 a 1 y b 1 y − 2 a 1 z b 1 z ⋯ ⋯ ( a 2 x ) 2 + ( a 2 y ) 2 + ( a 2 z ) 2 + ( b 1 x ) 2 + ( b 1 y ) 2 + ( b 1 z ) 2 − 2 a 2 x b 1 x − 2 a 2 y b 1 y − 2 a 2 z b 1 z ⋯ ⋯ ] \begin{aligned} A_{ms} + B_{ms} - 2 A B^\text{T} &= \left[\begin{matrix} |\red{a_1}|^2 && |\red{a_1}|^2 && |\red{a_1}|^2 \\ |a_2|^2 && |a_2|^2 && |a_2|^2 \\ \end{matrix}\right] + \left[\begin{matrix} |\blue{b_1}|^2 && |b_2|^2 && |b_3|^2 \\ |\blue{b_1}|^2 && |b_2|^2 && |b_3|^2 \\ \end{matrix}\right] \\ &- 2\left[\begin{matrix} \red{a_1^x}\blue{b_1^x} + \red{a_1^y}\blue{b_1^y} + \red{a_1^z}\blue{b_1^z} && \red{a_1^x} b_2^x + \red{a_1^y} b_2^y + \red{a_1^z} b_2^z && \red{a_1^x} b_3^x + \red{a_1^y} b_3^y + \red{a_1^z} b_3^z \\ a_2^x \blue{b_1^x} + a_2^y \blue{b_1^y} + a_2^z \blue{b_1^z} && a_2^x b_2^x + a_2^y b_2^y + a_2^z b_2^z && a_2^x b_3^x + a_2^y b_3^y + a_2^z b_3^z \end{matrix}\right] \\ \\ &= \left[\begin{matrix} (\red{a_1^x})^2 + (\red{a_1^y})^2 + (\red{a_1^z})^2 && (\red{a_1^x})^2 + (\red{a_1^y})^2 + (\red{a_1^z})^2 && (\red{a_1^x})^2 + (\red{a_1^y})^2 + (\red{a_1^z})^2 \\ (a_2^x)^2 + (a_2^y)^2 + (a_2^z)^2 && (a_2^x)^2 + (a_2^y)^2 + (a_2^z)^2 && (a_2^x)^2 + (a_2^y)^2 + (a_2^z)^2 \\ \end{matrix}\right] \\ &+ \left[\begin{matrix} (\blue{b_1^x})^2 + (\blue{b_1^y})^2 + (\blue{b_1^z})^2 && (b_2^x)^2 + (b_2^y)^2 + (b_2^z)^2 && (b_3^x)^2 + (b_3^y)^2 + (b_3^z)^2 \\ (\blue{b_1^x})^2 + (\blue{b_1^y})^2 + (\blue{b_1^z})^2 && (b_2^x)^2 + (b_2^y)^2 + (b_2^z)^2 && (b_3^x)^2 + (b_3^y)^2 + (b_3^z)^2 \\ \end{matrix}\right] \\ &- 2\left[\begin{matrix} \red{a_1^x}\blue{b_1^x} + \red{a_1^y}\blue{b_1^y} + \red{a_1^z}\blue{b_1^z} && \red{a_1^x} b_2^x + \red{a_1^y} b_2^y + \red{a_1^z} b_2^z && \red{a_1^x} b_3^x + \red{a_1^y} b_3^y + \red{a_1^z} b_3^z \\ a_2^x \blue{b_1^x} + a_2^y \blue{b_1^y} + a_2^z \blue{b_1^z} && a_2^x b_2^x + a_2^y b_2^y + a_2^z b_2^z && a_2^x b_3^x + a_2^y b_3^y + a_2^z b_3^z \end{matrix}\right] \\ \\ &= \left[\begin{matrix} (\red{a_1^x})^2 + (\red{a_1^y})^2 + (\red{a_1^z})^2 +(\blue{b_1^x})^2 + (\blue{b_1^y})^2 + (\blue{b_1^z})^2 -2\red{a_1^x}\blue{b_1^x} - 2\red{a_1^y}\blue{b_1^y} - 2\red{a_1^z}\blue{b_1^z} && \cdots && \cdots \\ (a_2^x)^2 + (a_2^y)^2 + (a_2^z)^2 + (\blue{b_1^x})^2 + (\blue{b_1^y})^2 + (\blue{b_1^z})^2 - 2a_2^x \blue{b_1^x} - 2a_2^y \blue{b_1^y} - 2a_2^z \blue{b_1^z} && \cdots && \cdots \\ \end{matrix}\right] \end{aligned} Ams+Bms2ABT=[a12a22a12a22a12a22]+[b12b12b22b22b32b32]2[a1xb1x+a1yb1y+a1zb1za2xb1x+a2yb1y+a2zb1za1xb2x+a1yb2y+a1zb2za2xb2x+a2yb2y+a2zb2za1xb3x+a1yb3y+a1zb3za2xb3x+a2yb3y+a2zb3z]=[(a1x)2+(a1y)2+(a1z)2(a2x)2+(a2y)2+(a2z)2(a1x)2+(a1y)2+(a1z)2(a2x)2+(a2y)2+(a2z)2(a1x)2+(a1y)2+(a1z)2(a2x)2+(a2y)2+(a2z)2]+[(b1x)2+(b1y)2+(b1z)2(b1x)2+(b1y)2+(b1z)2(b2x)2+(b2y)2+(b2z)2(b2x)2+(b2y)2+(b2z)2(b3x)2+(b3y)2+(b3z)2(b3x)2+(b3y)2+(b3z)2]2[a1xb1x+a1yb1y+a1zb1za2xb1x+a2yb1y+a2zb1za1xb2x+a1yb2y+a1zb2za2xb2x+a2yb2y+a2zb2za1xb3x+a1yb3y+a1zb3za2xb3x+a2yb3y+a2zb3z]=[(a1x)2+(a1y)2+(a1z)2+(b1x)2+(b1y)2+(b1z)22a1xb1x2a1yb1y2a1zb1z(a2x)2+(a2y)2+(a2z)2+(b1x)2+(b1y)2+(b1z)22a2xb1x2a2yb1y2a2zb1z]

  1. 将得到的矩阵 C C C 对每个开平方,就得到了 A , B A, B A,B 向量集两两间的欧式距离了。同时, D D D 中的元素 d i j d_{ij} dij 表示 A A A 集合中 a i a_i ai 点到 B B B 集合中点 b j b_j bj 的距离。

D = C ( 这个公式写法并不严谨,但表述意思 ) D = \sqrt{C} \quad(这个公式写法并不严谨,但表述意思) D=C (这个公式写法并不严谨,但表述意思)文章来源地址https://www.toymoban.com/news/detail-516312.html


A = [1  2  3
     4  5  6];
B = [1  2  3
     4  5  6
     7  8  9];

% 1. A * B'

% 2. repmat(sum(A.^2,2), 1,size(B,1))
% 2. repmat(sum(B.^2,2)',size(A,1),1)

% 3. 
C = repmat(sum(A.^2,2), 1,size(B,1))...
  + repmat(sum(B.^2,2)',size(A,1),1)...
  - 2*A*B';

% 4. 
D = sqrt(C);
>> D
D =
         0    5.1962   10.3923
    5.1962         0    5.1962

Ref

  1. 求矩阵中向量两两间的欧氏距离(python实现)
  2. 差平方 - WikiPedia

到了这里,关于【数理知识】求两个三维空间点的坐标矩阵之间,任意两两点之间的空间距离,matlab 实现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【C++】用Ceres从三维点中拟合三维空间中的圆

    在三维空间中有N个点,需要得到过这N个点的最优圆,需要估计圆的圆心、半径和法向量,本文提供了一种方法和代码示例,利用Ceres进行非线性拟合,在cpp上开发。 圆心为三维,半径一维,法向量三维,总共是7维的拟合参数。三个点确定一个圆,所以需要大于等于3的点数。

    2024年02月12日
    浏览(38)
  • 三维空间离散点如何拟合平面?

      在点云建模过程中,有时需要对扫描建模的点云进行标定,在实际使用中往往以地面做为参照平面,需要将扫描的三维空间点云进行拟合平面,以便纠正扫描结果。本文对三维空间离散点拟合平面算法进行总结,并给出几种编程语言下的算法实现代码。    (1)最小二

    2024年02月11日
    浏览(46)
  • 二维空间和三维空间刚体变换中的雅克比矩阵的推导

    补充一些李群 SE ⁡ ( 2 ) operatorname{SE}(2) SE ( 2 ) 和李代数 se ⁡ ( 2 ) operatorname{se}(2) se ( 2 ) 的知识, 因为视觉 SLAM十四讲 1 中只给出了 S E ( 3 ) mathrm{SE}(3) SE ( 3 ) 和 s e ( 3 ) mathrm{se}(3) se ( 3 ) 的对应关系, 但是没有给出二维空间的对应关系。其中二维空间的李群李代数参考Lie Gro

    2024年02月03日
    浏览(49)
  • 04-附注 三维空间中的线性变换

    这是关于3Blue1Brown \\\"线性代数的本质\\\"的学习笔记。 图1 绕y轴旋转90° 绕y轴旋转90°后,各基向量所在的坐标如图1所示。用旋转后的各基向量作为矩阵的列,就得到变换矩阵。变换矩阵就是对原向量就是缩放、旋转。

    2024年02月05日
    浏览(40)
  • 三维空间刚体运动之旋转矩阵与变换矩阵

    点: 点是空间中的基本元素,没有长度,没有体积; 向量: 把两个点连接起来,就构成了向量,向量可以看成从某点指向另一点的一个箭头;只有当我们指定这个三维空间中的某个坐标系时,才可以谈论该向量在此坐标系下的坐标;默认向量就是列向量; 坐标系: 三根不

    2024年02月11日
    浏览(60)
  • PCL 判断两条线段的平行性(三维空间)

    这里使用一种比较有趣的方式来判断三维空间中两条线段的平行性,我们都知道两条线段所代表的矢量进行叉乘计算所得数值,代表了由这两条线段组成的平行四边形的面积值,如下图所示: ok,那么如果将此结论推广到三维空间呢?可以得到下面的形式: 其中, i ⃗

    2024年02月10日
    浏览(43)
  • 视觉SLAM14讲笔记-第3讲-三维空间刚体运动

    空间向量之间的运算包括: 数乘、加法、减法、内积、外积。 内积 :可以描述向量间的投影关系,结果是一个标量。 a ⃗ ⋅ b ⃗ = ∑ i = 1 3 a i b i = ∤ a ∤ ∤ b ∤ c o s ⟨ a , b ⟩ vec{a} cdot vec{b}=sum_{i=1}^3{{a _i}{b_i}} =nmid a nmid nmid b nmid cos langle a,b rangle a ⋅ b = i = 1 ∑ 3 ​

    2024年02月11日
    浏览(48)
  • 【线性代数-3Blue1Brown】- 5 三维空间的线性变换

    飞书原文档:Docs  

    2024年02月11日
    浏览(40)
  • ArcGIS Pro实践技术应用、制图、空间分析、影像分析、三维建模、空间统计分析与建模、python融合

    GIS是利用电子计算机及其外部设备,采集、存储、分析和描述整个或部分地球表面与空间信息系统。简单地讲,它是在一定的地域内,将地理空间信息和 一些与该地域地理信息相关的属性信息结合起来,达到对地理和属性信息的综合管理。GIS的研究对象是整个地理空间,而地

    2024年02月09日
    浏览(48)
  • 三维重建_体素重建_空间雕刻法/体素着色法

    目录 1. 三角化和体素重建的区别 2. 空间雕刻法  空间雕刻法的一致性定义  空间雕刻法具体实现  基于八叉树的空间雕刻法具体实现​编辑  空间雕刻法效果展示  3. 体素着色法  体素着色法的缺点:不唯一性​编辑 体素着色法不唯一性解决措施​编辑  体素着色发实验

    2024年02月11日
    浏览(75)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包