scipy.spatial.transform.Rotation.

from_matrix#

classmethod Rotation.from_matrix(cls, matrix)#

从旋转矩阵初始化。

三维旋转可以用 3 x 3 的适当正交矩阵 [1] 表示。如果输入不是适当正交的，则使用 [2] 中描述的方法创建一个近似值。

参数:
矩阵array_like, 形状 (N, 3, 3) 或 (3, 3)

单个矩阵或矩阵堆栈，其中 matrix[i] 是第 i 个矩阵。

返回:
旋转 : Rotation 实例旋转实例

包含由旋转矩阵表示的旋转的对象。

注释

此函数之前被称为 from_dcm。

Added in version 1.4.0.

参考文献

[2]

F. Landis Markley, “Unit Quaternion from Rotation Matrix”, Journal of guidance, control, and dynamics vol. 31.2, pp. 440-442, 2008.

示例

>>> from scipy.spatial.transform import Rotation as R
>>> import numpy as np

初始化单次旋转：

>>> r = R.from_matrix([
... [0, -1, 0],
... [1, 0, 0],
... [0, 0, 1]])
>>> r.as_matrix().shape
(3, 3)

在一个对象中初始化多个旋转：

>>> r = R.from_matrix([
... [
...     [0, -1, 0],
...     [1, 0, 0],
...     [0, 0, 1],
... ],
... [
...     [1, 0, 0],
...     [0, 0, -1],
...     [0, 1, 0],
... ]])
>>> r.as_matrix().shape
(2, 3, 3)

如果输入矩阵不是特殊正交的（正交且行列式等于+1），则存储一个特殊正交估计值：

>>> a = np.array([
... [0, -0.5, 0],
... [0.5, 0, 0],
... [0, 0, 0.5]])
>>> np.linalg.det(a)
0.12500000000000003
>>> r = R.from_matrix(a)
>>> matrix = r.as_matrix()
>>> matrix
array([[-0.38461538, -0.92307692,  0.        ],
       [ 0.92307692, -0.38461538,  0.        ],
       [ 0.        ,  0.        ,  1.        ]])
>>> np.linalg.det(matrix)
1.0000000000000002

也可以有一个包含单一旋转的堆栈：

>>> r = R.from_matrix([[
... [0, -1, 0],
... [1, 0, 0],
... [0, 0, 1]]])
>>> r.as_matrix()
array([[[ 0., -1.,  0.],
        [ 1.,  0.,  0.],
        [ 0.,  0.,  1.]]])
>>> r.as_matrix().shape
(1, 3, 3)
On this page