用MATLAB符号计算工具箱玩转三维旋转矩阵推导

在计算机图形学、机器人学和三维建模领域，旋转矩阵是描述物体在三维空间中旋转的基础工具。传统教学中，我们往往被要求死记硬背各种旋转矩阵公式，这不仅枯燥，而且容易出错。今天，我将分享如何利用MATLAB的Symbolic Toolbox，从基本原理出发，动态推导任意轴旋转的变换矩阵。

1. 准备工作与环境配置

首先确保你的MATLAB安装了Symbolic Math Toolbox。这个工具箱提供了强大的符号计算能力，让我们能够像在纸上推导公式一样进行数学运算，同时自动处理繁琐的代数操作。

matlab复制% 检查Symbolic Math Toolbox是否安装
if ~license('test','Symbolic_Toolbox')
    error('需要安装Symbolic Math Toolbox');
end

% 初始化符号变量
syms px py pz alpha x0 y0 z0 real
syms nx ny nz real
assume(nx^2 + ny^2 + nz^2 == 1);  % 确保旋转轴是单位向量

在开始推导前，我们需要明确几个关键概念：

• 旋转轴：由单位向量(nx, ny, nz)定义的方向
• 旋转角度：α（alpha）
• 旋转中心点：(x0, y0, z0)
• 待旋转点：P(px, py, pz)

2. 旋转几何原理与数学建模

三维空间中的旋转可以分解为几个几何步骤：

1. 确定旋转平面：找到垂直于旋转轴且包含点P的平面
2. 计算旋转中心：旋转轴与该平面的交点
3. 建立局部坐标系：在旋转平面上建立坐标系
4. 执行旋转：在局部坐标系中进行二维旋转
5. 转换回全局坐标系：将旋转后的点映射回原始坐标系

matlab复制% 定义旋转轴参数方程
t = sym('t');
axis_x = x0 + nx * t;
axis_y = y0 + ny * t;
axis_z = z0 + nz * t;

% 计算旋转中心（旋转轴与旋转平面的交点）
t0 = nx*(px-x0) + ny*(py-y0) + nz*(pz-z0);
xc = x0 + nx*t0;
yc = y0 + ny*t0;
zc = z0 + nz*t0;

% 计算旋转半径
r = sqrt((px-xc)^2 + (py-yc)^2 + (pz-zc)^2);

3. 构建局部坐标系与变换矩阵

为了在三维空间中执行旋转，我们需要建立一个局部坐标系，其中一个轴与旋转轴对齐，另外两个轴位于旋转平面内。

matlab复制% 定义局部坐标系的基向量
OP = [px-xc; py-yc; pz-zc]/r;  % 从旋转中心指向点P的单位向量
yVector = cross([nx;ny;nz], OP);  % 通过叉积得到第二个基向量
R_local = [OP, yVector, [nx;ny;nz]];  % 局部坐标系的旋转矩阵

% 在局部坐标系中执行旋转
xtemp = r*cos(alpha);
ytemp = r*sin(alpha);
p_rotated_local = [xtemp; ytemp; 0];

% 转换回全局坐标系
p_rotated_global = R_local * p_rotated_local + [xc; yc; zc];

4. 推导齐次变换矩阵

为了将上述过程表示为单一的4×4齐次变换矩阵，我们需要将旋转和平移操作组合起来。

matlab复制% 定义符号变量
K = 1 - cos(alpha);
M = nx*x0 + ny*y0 + nz*z0;

% 构造完整的4×4变换矩阵
T = [nx^2*K + cos(alpha),   nx*ny*K - nz*sin(alpha), nx*nz*K + ny*sin(alpha), (x0 - nx*M)*K + (nz*y0 - ny*z0)*sin(alpha);
     nx*ny*K + nz*sin(alpha), ny^2*K + cos(alpha),    ny*nz*K - nx*sin(alpha), (y0 - ny*M)*K + (nx*z0 - nz*x0)*sin(alpha);
     nx*nz*K - ny*sin(alpha), ny*nz*K + nx*sin(alpha), nz^2*K + cos(alpha),    (z0 - nz*M)*K + (ny*x0 - nx*y0)*sin(alpha);
     0,                       0,                       0,                       1];

% 验证矩阵的正确性
p_homogeneous = [px; py; pz; 1];
p_transformed = T * p_homogeneous;
simplified_result = simplify(p_transformed(1:3) - p_rotated_global);

这个变换矩阵有几个重要特性：

• 左上角的3×3子矩阵是纯旋转部分
• 最后一列的前三个元素包含了旋转和位移的组合效果
• 当旋转中心在原点时，位移部分为零

5. 特殊情况的验证

为了验证我们推导的通用矩阵的正确性，让我们测试几个特殊情况。

情况1：绕x轴旋转

matlab复制% 设置绕x轴旋转的参数
x0 = 0; y0 = 0; z0 = 0;
nx = 1; ny = 0; nz = 0;

% 代入通用矩阵
T_x = subs(T);
disp('绕x轴旋转矩阵:');
disp(T_x);

情况2：绕过点(0,ty,tz)且平行于x轴的直线旋转

matlab复制% 设置参数
syms ty tz real;
x0 = 0; y0 = ty; z0 = tz;
nx = 1; ny = 0; nz = 0;

% 代入通用矩阵
T_parallel_x = subs(T);
disp('平行于x轴的旋转矩阵:');
disp(T_parallel_x);

6. 实际应用与性能优化

在实际应用中，我们可能需要在数值计算和符号计算之间切换。一旦通过符号推导验证了公式的正确性，可以将其转换为数值计算函数以提高效率。

matlab复制function T = arbitrary_axis_rotation_matrix(n, point, alpha)
    % 数值计算版本的任意轴旋转矩阵生成函数
    % 输入:
    %   n: 旋转轴方向向量(不需要单位化)
    %   point: 旋转轴经过的点
    %   alpha: 旋转角度(弧度)
    % 输出:
    %   T: 4×4齐次变换矩阵
    
    % 单位化旋转轴
    n = n / norm(n);
    nx = n(1); ny = n(2); nz = n(3);
    x0 = point(1); y0 = point(2); z0 = point(3);
    
    K = 1 - cos(alpha);
    M = nx*x0 + ny*y0 + nz*z0;
    
    T = [nx^2*K + cos(alpha),   nx*ny*K - nz*sin(alpha), nx*nz*K + ny*sin(alpha), (x0 - nx*M)*K + (nz*y0 - ny*z0)*sin(alpha);
         nx*ny*K + nz*sin(alpha), ny^2*K + cos(alpha),    ny*nz*K - nx*sin(alpha), (y0 - ny*M)*K + (nx*z0 - nz*x0)*sin(alpha);
         nx*nz*K - ny*sin(alpha), ny*nz*K + nx*sin(alpha), nz^2*K + cos(alpha),    (z0 - nz*M)*K + (ny*x0 - nx*y0)*sin(alpha);
         0,                       0,                       0,                       1];
end

7. 可视化验证

为了直观理解旋转效果，我们可以创建一个简单的可视化示例。

matlab复制% 定义旋转参数
n = [1; 1; 1]; n = n/norm(n);  % 旋转轴
point = [0; 0; 0];  % 旋转轴经过的点
alpha = pi/4;  % 旋转角度

% 生成旋转矩阵
T = arbitrary_axis_rotation_matrix(n, point, alpha);

% 创建一个立方体
[V, F] = createCube();  % 假设有这个辅助函数

% 应用旋转
V_rotated = (T(1:3,1:3)*V' + T(1:3,4))';

% 绘制结果
figure;
patch('Vertices', V', 'Faces', F, 'FaceAlpha', 0.5);
hold on;
patch('Vertices', V_rotated', 'Faces', F, 'FaceAlpha', 0.5);
quiver3(0,0,0, n(1),n(2),n(3), 'r', 'LineWidth', 2);
axis equal; grid on; view(3);

这种方法不仅适用于简单的几何形状，也可以用于复杂的3D模型变换。在机器人运动学、计算机动画和CAD软件中，这种通用的旋转表示方法非常有用。

8. 高级应用与扩展

掌握了任意轴旋转矩阵的推导方法后，我们可以进一步探索一些高级应用：

组合旋转：通过矩阵乘法将多个旋转组合起来

matlab复制% 定义两个旋转
T1 = arbitrary_axis_rotation_matrix([1;0;0], [0;0;0], pi/3);
T2 = arbitrary_axis_rotation_matrix([0;1;0], [0;0;0], pi/4);

% 组合旋转（先T1后T2）
T_combined = T2 * T1;

逆向旋转：求旋转矩阵的逆矩阵

matlab复制% 由于旋转矩阵是正交矩阵，逆矩阵等于转置矩阵
T_inv = T';
T_inv(1:3,4) = -T(1:3,1:3)'*T(1:3,4);

插值旋转：在两个旋转之间平滑过渡

matlab复制% 使用四元数插值更合适，但也可以用矩阵实现简单插值
t = linspace(0,1,10);
for i = 1:length(t)
    T_interp = arbitrary_axis_rotation_matrix(n, point, alpha*t(i));
    % 应用插值矩阵...
end

通过MATLAB的符号计算工具箱，我们不仅能够验证手工推导的公式，还能探索更复杂的变换组合。这种方法特别适合算法开发阶段的原型验证，确保数学模型的正确性后再进行高效的数值实现。