矩阵到四元数并返回不给出相同的结果答案

【问题标题】：Matrix to quaternion and back does not give same result矩阵到四元数并返回不给出相同的结果
【发布时间】：2017-10-16 04:21:44
【问题描述】：

我正在将矩阵 (M) 转换为四元数，以便我可以例如lerp 在两个不同的转换矩阵之间制作平滑的图像动画，我需要自己制作视频帧。

当我从四元数转换回矩阵作为测试时，这个新矩阵与成为四元数的矩阵相差甚远。

import numpy as np
from transforms3d import quaternions

M = np.array([[  0.757403109,  -0.186744161,   145.541734],
 [ -0.154492906,   0.626185286,   100.878814],
 [ -0.000294826495,  -0.000344726091,   1.00000000]])


quat = quaternions.mat2quat(M)


testM = quaternions.quat2mat(quat)
print("TEST: M original")
print(M)
print("TEST: quat back to mat (testM)")
print(testM)
print("Why not the same")
print ("quat")
print(quat)
print("quat of testM")
print(quaternions.mat2quat(testM))

#Scaling gives same result, scale M to be -1. to 1
mmax = np.amax(M)
scaleTestM = M / mmax
print("M Scaled")
print(scaleTestM)
quatOfScaled = quaternions.mat2quat(scaleTestM)
print("Quat of scaled")
print(quaternions.quat2mat(quatOfScaled))

我是否错过了四元数实际上可以表示的东西，还是代码错误？如果这不起作用，请提出其他关于如何在两个转换矩阵之间平滑移动的建议。

Python 3.6

控制台输出是这样的：

    TEST: M original
   [[  7.57403109e-01  -1.86744161e-01   1.45541734e+02]
    [ -1.54492906e-01   6.26185286e-01   1.00878814e+02]
     [ -2.94826495e-04  -3.44726091e-04   1.00000000e+00]]
    TEST: quat back to mat (testM)
    [[ 0.38627453 -0.42005089  0.8211877 ]
     [-0.54462197  0.61466344  0.57059247]
     [-0.74443193 -0.6676422   0.00865989]]
    Why not the same
    quat
    [ 0.70880143 -0.43673539  0.55220671 -0.04393723]
    quat of testM
    [ 0.70880143 -0.43673539  0.55220671 -0.04393723]
    M Scaled
    [[  5.20402697e-03  -1.28309699e-03   1.00000000e+00]
     [ -1.06150244e-03   4.30244486e-03   6.93126372e-01]
     [ -2.02571789e-06  -2.36857210e-06   6.87088145e-03]]
    Quat of scaled
    [[ 0.38627453 -0.42005089  0.8211877 ]
     [-0.54462197  0.61466344  0.57059247]
     [-0.74443193 -0.6676422   0.00865989]]

【问题讨论】：

标签： python quaternions

【解决方案1】：

对于给定的四元数，有多种矩阵表示是正确的。当您将矩阵转换为四元数时，有关您最初使用的这些表示形式的信息会丢失。

参见例如https://en.wikipedia.org/wiki/Quaternion中的矩阵表示

【讨论】：

【解决方案2】：

我也遇到了同样的问题，分析了一下。

https://en.wikipedia.org/wiki/Quaternion 的描述描述了四元数的 48 种可能的矩阵表示。我试图从中构造旋转矩阵，并存储要使用的信息，但它不起作用。原因是四元数矩阵表示与旋转变换矩阵无关。我花了一天时间才发现这一点。

这个问题的相关部分在章节中

三维和四维旋转组

所有单位四元数（versors）的集合形成一个 3 球体 S3 和一个乘法下的群（李群），双覆盖群行列式 1 的实正交 3×3 矩阵的 SO(3,ℝ)，因为两个单位四元数对应于上述下的每一次旋转一致。看盘子戏法。

所以仅仅有一个归一化的变换矩阵是不够的，行列式必须为 1。一旦满足这个条件，您就可以创建一个旋转四元数并将其转换回旋转变换矩阵。如果不满足条件，四元数将是未定义的，因此在转换回矩阵时会产生不同的矩阵。

您可以使用矩阵中两个向量的叉积来构造这样的矩阵，并使用结果的叉积。

M = np.array([[0.757403109, -0.186744161, 145.541734],
              [-0.154492906, 0.626185286, 100.878814],
              [-0.000294826495, -0.000344726091, 1.00000000]])

quat = quaternions.mat2quat(M)

testM = quaternions.quat2mat(quat)
print("TEST: M original")
det = np.linalg.det(M)
print("M det:"+str(det))
print(M)
print("TEST: quat back to mat (testM)")
print(testM)
print("Why not the same")
print("quat")
print(quat)
print("quat of testM")
print(quaternions.mat2quat(testM))

# Scaling gives same result, scale M to be -1. to 1
mmax = np.amax(M)
scaleTestM = M / mmax
print("M Scaled")
det = np.linalg.det(scaleTestM)
print("M Scaled  det:"+str(det))
print(scaleTestM)
quatOfScaled = quaternions.mat2quat(scaleTestM)
print("Quat of scaled")
print(quaternions.quat2mat(quatOfScaled))

v1 = M[0]
v2 = M[1]
v3 = M[2]

v1 = v1 / np.linalg.norm(v1)
v2 = v2 / np.linalg.norm(v2)
v3 = v3 / np.linalg.norm(v3)

print(v1)
print(v2)
print(v3)

v33 = np.cross(v1, v2)
v33 = v33 / np.linalg.norm(v33)

v22 = np.cross(v1, v33)
v22 = v22 / np.linalg.norm(v22)
scaledOrthoM = np.array([v1, v22, v33])
print("M Scaled")
det = np.linalg.det(scaledOrthoM)
print("M Scaled det:"+str(det))
print(scaledOrthoM)

if det == -1:
    v33 = v33 * -1
    scaledOrthoM = np.array([v1, v22, v33])
    det = np.linalg.det(scaledOrthoM)
    print("M Scaled det:"+str(det))
quatOfScaledOrtho = quaternions.mat2quat(scaledOrthoM)
print("Quat of scaled")
print(quaternions.quat2mat(quatOfScaledOrtho))

控制台输出是这样的：

TEST: M original
M det:0.5119378064538171
[[ 7.57403109e-01 -1.86744161e-01  1.45541734e+02]
 [-1.54492906e-01  6.26185286e-01  1.00878814e+02]
 [-2.94826495e-04 -3.44726091e-04  1.00000000e+00]]
TEST: quat back to mat (testM)
[[ 0.38627453 -0.42005089  0.8211877 ]
 [-0.54462197  0.61466344  0.57059247]
 [-0.74443193 -0.6676422   0.00865989]]
Why not the same
quat
[ 0.70880143 -0.43673539  0.55220671 -0.04393723]
quat of testM
[ 0.70880143 -0.43673539  0.55220671 -0.04393723]
M Scaled
M Scaled  det:1.6605599862106246e-07
[[ 5.20402697e-03 -1.28309699e-03  1.00000000e+00]
 [-1.06150244e-03  4.30244486e-03  6.93126372e-01]
 [-2.02571789e-06 -2.36857210e-06  6.87088145e-03]]
Quat of scaled
[[ 0.38627453 -0.42005089  0.8211877 ]
 [-0.54462197  0.61466344  0.57059247]
 [-0.74443193 -0.6676422   0.00865989]]
[ 0.00520395 -0.00128308  0.99998564]
[-0.00153144  0.00620718  0.99997956]
[-2.94826465e-04 -3.44726056e-04  9.99999897e-01]
M Scaled
M Scaled det:-1.0
[[ 0.00520395 -0.00128308  0.99998564]
 [ 0.66862666 -0.74358506 -0.00443364]
 [-0.74358006 -0.66864013  0.00301168]]
M Scaled det:1.0
Quat of scaled
[[ 0.00520395 -0.00128308  0.99998564]
 [ 0.66862666 -0.74358506 -0.00443364]
 [ 0.74358006  0.66864013 -0.00301168]]

【讨论】：