scipy.spatial.transform.RigidTransform.

from_components

classmethod RigidTransform.from_components(cls, translation, rotation)

Initialisiert eine starre Transformation aus Übersetzungs- und Rotationskomponenten.

Beim Erstellen einer starren Transformation aus einer Übersetzung und einer Rotation wird die Übersetzung nach der Rotation angewendet, sodass tf = Tf.from_components(translation, rotation) äquivalent zu tf = Tf.from_translation(translation) * Tf.from_rotation(rotation) ist.

Beim Anwenden einer Transformation auf einen Vektor v ist das Ergebnis dasselbe, als ob die Transformation auf den Vektor auf folgende Weise angewendet worden wäre: tf.apply(v) == translation + rotation.apply(v)

Parameter:

translationarray_like, Form (N, 3) oder (3,)

Ein einzelner Translationsvektor oder ein Stapel von Translationsvektoren.

rotationRotation Instanz

Eine einzelne Rotation oder ein Stapel von Rotationen.

Rückgabe:

RigidTransform

Wenn die Rotation einzeln ist und die Übersetzung die Form (3,) hat, wird eine einzelne Transformation zurückgegeben. Andernfalls wird ein Stapel von Transformationen zurückgegeben.

Beispiele

Probieren Sie es in Ihrem Browser aus!

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

Erstellung aus einer einzelnen Rotation und Übersetzung

>>> t = np.array([2, 3, 4])
>>> r = R.from_euler("ZYX", [90, 30, 0], degrees=True)
>>> r.as_matrix()
array([[ 0.       , -1.,  0.        ],
       [ 0.8660254,  0.,  0.5       ],
       [-0.5      ,  0.,  0.8660254 ]])
>>> tf = Tf.from_components(t, r)
>>> tf.rotation.as_matrix()
array([[ 0.       , -1.,  0.        ],
       [ 0.8660254,  0.,  0.5       ],
       [-0.5      ,  0.,  0.8660254 ]])
>>> tf.translation
array([2., 3., 4.])
>>> tf.single
True

Beim Anwenden einer Transformation auf einen Vektor v ist das Ergebnis dasselbe, als ob die Transformation auf den Vektor auf folgende Weise angewendet worden wäre: tf.apply(v) == translation + rotation.apply(v)

>>> r.apply([1, 0, 0])
array([0.       , 0.8660254, -0.5     ])
>>> t + r.apply([1, 0, 0])
array([2.       , 3.8660254,  3.5     ])
>>> tf.apply([1, 0, 0])
array([2.       , 3.8660254,  3.5     ])

ZurückIn Tab öffnen