Affine Koordinatentransformationen

Ähnliche Dokumente
Computergrafik Universität Osnabrück, Henning Wenke,

2 Die Algebra der Matrizen

2D-Punkt-Transformationen

Inhaltsverzeichnis. 1 Hardwaregrundlagen

Computergrafik 1 Transformationen

Kapitel 3: Geometrische Transformationen

-dimensionale Darstellungen

Vektoren und Matrizen

Mathematiklabor 2. Übungsblatt

Repräsentation und Transformation von geometrischen Objekten

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

2 Die Algebra der Matrizen

Bernhard Strigel Gymnasium Kollegstufe 2009/11 Leistungskurs Mathematik M2 Klemens Schölhorn. Facharbeit

4 Matrixdarstellung von Symmetrieoperationen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Lineare Algebra und Computer Grafik

3.1 Motivation. - Mit (mehreren) Koordinatentransformationen wird das Objektsystem in das Gerätesystem transformiert.

Transformation - Homogene Koordinaten. y + b )

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

Mathematische Grundlagen

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

Geometrische Deutung linearer Abbildungen

Kapitel 2: Mathematische Grundlagen

Computergrafik 1 Übung

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

C A R L V O N O S S I E T Z K Y. Transformationen. Johannes Diemke. Übung im Modul OpenGL mit Java Wintersemester 2010/2011

Transformationen. 09-Transformationen

Matrikel- Nummer: Aufgabe Summe Punkte /1 /3 /4 /3 /9 /7 /2 /2 /31

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Mathematische Grundlagen

Affine Koordinatentransformationen eine Zusammenfassung ausgewählter Aspekte

3D-Transformationen. Kapitel Translation Skalierung

Mathematik II Frühjahrssemester 2013

Mathematik I für MB und ME

3 Matrizenrechnung. 3. November

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

Mathematik I für MB/ME

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Mathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Th. Risse, HSB: MAI WS05 1

Basiswissen Matrizen

Transformationen im 3D-Raum

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m

IV. Affine Abbildungen

Prüfung EM1 28. Jänner 2008 A :=

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

10.2 Linearkombinationen

Transformation - 3. Für "übliche" Anwendungen in der Geometrie ist es sinnvoll, bei Transformationen eine gleiche

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

6.3 Hauptachsentransformation

Die Gruppe der affinen Abbildungen A

ABC ABC. Affine Abbildungen. Definition und Anwendungsbeispiele. Prof. Dr. Andreas de Vries. Fachhochschule Südwestfalen, Standort Hagen

Koordinaten, Transformationen und Roboter

1 Vektoren, Vektorräume, Abstände: 2D

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix

Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25

Kapitel 3. Transformationen

Projektive Geometrie

Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:

Herzlich willkommen zur Demo der mathepower.de Aufgabensammlung

Was ist Robotik? Robotik heute:

Computer graphics. Vektoren und Matrizen. Dr. Ernst Kruijff. Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

HM II Tutorium 1. Lucas Kunz. 24. April 2018

1 Bestimmung der inversen Matrix

3D-Transformationen. Kapitel Translation Skalierung

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011

Klausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover

Vektoren und Matrizen

Lineare (affine) Abbildung

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!

Proseminar Lineare Algebra II, SS 11. Blatt

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung

Potenzen der Linearen Algebra

Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y

Lineare Algebra I (WS 13/14)

XIII Geometrische Abbildungen und Matrizen

Mathematische Grundlagen

Seminar 3-D Grafik Mathematische Grundlagen, Räume, Koordinatensysteme, Projektionen. Hermann Schwarz Marko Pilop

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Transkript:

Affine Koordinatentransformationen Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 017/18 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 1 / 0

Überblick: Affine Koordinatentransformationen Was ist eine Koordinatentransformation? Änderung der Koordinaten eines (geometrischen) Objektes Aktive vs. passive Transformationen Was ist Affinität (leicht vereinfacht)? Erhält Seitenverhältnisse Erhält Parallelität Wofür affine Koordinatentransformationen? Elementare, kombinierbare Veränderungsoperationen Basis für komplexere Veränderungsoperationen Affine Koordinatentransformationen: Spiegelung, Rotation, Translation, Skalierung, Scherung Beschränkung: Rechtshändige Koordinatensysteme (im R und R 3 ) Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 / 0

Wiederholung: Matrizenrechnung Matrix mit m Zeilen und n Spalten reeller Koeffizienten: A R m n Koeffizienten a i,j R, i {x N 1 x m}, j {x N 1 x n} Einheitsmatrix E R n n (quadratisch) mit a i,j = δ i,j, sodass A R n n : A E = E A = A Rechenoperationen Addition und Subtraktion (elementweise) Multiplikation (assoziativ, aber nicht kommutativ) Inverse zu A (keine Division!): A 1, sodass A A 1 = A 1 A = E Determinante (nur quadratische Matrizen): det(a) : R n n R Weitere relevante Konzepte Eigenwerte Eigenvektoren Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 3 / 0

Transformationen als Matrizen I Gegeben: Ein Punkt P im R n Gesucht: Der transformierte Punkt P in Abhängigkeit von P Bekannt: Zusammenhang zwischen alten und neuen Koordinaten ( ) ( ) 3 3 Beispiel: P = mit Spiegelung an x-achse P = x = x y = y x = 1 x + 0 y y = 0 x 1 y Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 4 / 0

Transformationen als Matrizen II x = 1 x + 0 y y = 0 x 1 y Idee: Zusammenhang zwischen Koordinaten als Matrix anschreiben: ( ) ( ) ( ) x 1 0 x y = 0 1 y }{{} T P = T P (Transformations-)Matrix T transformiert P in P Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 5 / 0

Transformationen als Matrizen III Vorteile durch Transformationen als Matrizen Einfach zu implementieren Relativ schnell (vor allem bei komplexeren Zusammenhängen) Matrizenoperationen erlauben Umkehr und Kombination Umkehrbarkeit von Transformationen: P = T P P = T 1 P Hintereinanderausführung von Transformationen (erst T 1, dann T ): P = (T T 1 ) P = T (T 1 P) = T }{{} P = P P Standardnotation für passive Transformationen: T 1 statt T Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 6 / 0

Spiegelung an einer Ursprungsgeraden im R Winkel zwischen Gerade und x-achse: α = 150 (Freiheitsgrad) y α d g S g P x 1 3 P d g 1 3 g Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 7 / 0

Spiegelung an einer Ebene im R 3 Ebene ist x-y-ebene y P 1 P P 1 d z d z d x d y P x z P 3 P 3 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 8 / 0

Spiegelungsmatrizen im R und R 3 S 1 ( cos(α) D (α) = sin(α) S 1 3D xy = S 1 3D xz = S 1 3D yz = 1 0 0 0 1 0 0 0 1 1 0 0 0 1 0 0 0 1 1 0 0 0 1 0 0 0 1 sin(α) cos(α) ) Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 9 / 0

Rotation um den Ursprung im R Rotationswinkel ϕ = 165 (Freiheitsgrad) y P ϕ x P 6 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 10 / 0

Rotation um eine Koordinatenachse im R 3 Rotationswinkel ϕ = 135 (Freiheitsgrad) um die z-achse y d xy d xy P x d xy z ϕ M R P d xy d xy Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 11 / 0

Rotationsmatrizen im R und R 3 R 1 ( cos(ϕ) D (ϕ) = sin(ϕ) R 1 3D x (ϕ) = R 1 3D y (ϕ) = R 1 3D z (ϕ) = ) sin(ϕ) cos(ϕ) 1 0 0 0 cos(ϕ) sin(ϕ) 0 sin(ϕ) cos(ϕ) cos(ϕ) 0 sin(ϕ) 0 1 0 sin(ϕ) 0 cos(ϕ) cos(ϕ) sin(ϕ) 0 sin(ϕ) cos(ϕ) 0 0 0 1 Rotationen um verschiedene Achsen sind voneinander unabhängig Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 1 / 0

Skalierung im R Skalierungsfaktor a = (Freiheitsgrad) y y 1 M r r P r 1 x 1 M r r 1 P r x Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 13 / 0

Skalierungsmatrizen im R und R 3 ( Z 1 a 0 D (a) = 0 a Z 1 3D (a) = a 0 0 0 a 0 0 0 a ), a 0, a 0 Wichtiger Sonderfall: Die Multiplikation von Skalierungsmatrizen ist kommutativ (nicht mit beliebigen anderen Matrizen kombinierbar!) Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 14 / 0

Translation im R Verschiebungsvektor v = ( 5 3 y ) (zwei Freiheitsgrade) P -3 P -1 x Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 15 / 0

Einschub: Homogene Koordinaten I Problem: Verschiebung nicht durch gezeigte Matrizenmultiplikationen abbildbar (neue Koordinaten sind immer von alten abhängig) Lösung: Homogene Koordinaten (zusätzliche Dimension, deren Werte immer konstant sind koordinatenunabhängige Änderung möglich) T 1 = 1 0 5 0 1 3 0 0 1 x = 1 x + 0 y + 5 1 = x + 5 y = 0 x + 1 y 3 1 = y 3 1 = 0 x + 0 y + 1 1 = 1 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 16 / 0

Einschub: Homogene Koordinaten II Zusätzliche Dimension vergrößert Matrix Dimension der Punkte muss angepasst werden (vereinfacht): Vor der Transformation Dimension hinzufügen (Wert 1) ( ) 3 P = P homogen = 3 1 Nach der Transformation Dimension entfernen (Wert 1) P homogen = ( ) 1 P = 1 1 Analog im R 3 : Vier Dimensionen in homogenen Koordinaten Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 17 / 0

Translationsmatrizen im R und R 3 T 1 D (t x, t y ) = T 1 3D (t x, t y, t z ) = 1 0 t x 0 1 t y 0 0 1 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 Wichtiger Sonderfall: Die Multiplikation von Translationsmatrizen ist kommutativ (nicht mit beliebigen anderen Matrizen kombinierbar!) n Freiheitsgrade im R n Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 18 / 0

Verkettung von Transformationsmatrizen Ausschließlich nicht homogene Matrizen: Einfache Multiplikation Ausschließlich homogene Matrizen: Einfache Multiplikation Mischung von homogenen und nicht homogenen Matrizen: Nicht homogene Matrizen homogen machen: A = a 11 a 1 a 13 a 1 a a 3 a 31 a 3 a 33 A homogen = a 11 a 1 a 13 0 a 1 a a 3 0 a 31 a 3 a 33 0 0 0 0 1 Achtung: Reihenfolge bei Umkehr der Verkettung ebenso umkehren: (A 1 A... A n 1 A n ) 1 = A 1 n A 1 n 1... A 1 A 1 1 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 19 / 0

Danke für die Aufmerksamkeit! Fragen? Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen Wintersemester 017/18 0 / 0