scipy.spatial.transform.RigidTransform.

from_translation#

classmethod RigidTransform.from_translation(cls, translation)#

从平移 numpy 数组初始化，没有旋转。

当将此变换应用于向量 v 时，结果与平移和向量相加相同。如果 t 是平移的位移向量，则

Tf.from_translation(t).apply(v) == t + v

参数:

translationarray_like, shape (N, 3) or (3,): 单个平移向量或一堆平移向量。

返回值:

transformRigidTransform 实例

示例

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

从单个平移向量创建变换

>>> t = np.array([2, 3, 4])
>>> t + np.array([1, 0, 0])
array([3, 3, 4])
>>> tf = Tf.from_translation(t)
>>> tf.apply([1, 0, 0])
array([3., 3., 4.])
>>> tf.single
True

变换矩阵最右列的前 3x1 个点是平移向量

>>> tf.as_matrix()
array([[1., 0., 0., 2.],
       [0., 1., 0., 3.],
       [0., 0., 1., 4.],
       [0., 0., 0., 1.]])
>>> np.allclose(tf.as_matrix()[:3, 3], t)
True

从一堆平移向量创建多个变换

>>> t = np.array([[2, 3, 4], [1, 0, 0]])
>>> t + np.array([1, 0, 0])
array([[3, 3, 4],
       [2, 0, 0]])
>>> tf = Tf.from_translation(t)
>>> tf.apply([1, 0, 0])
array([[3., 3., 4.],
       [2., 0., 0.]])
>>> np.allclose(tf.as_matrix()[:, :3, 3], t)
True
>>> tf.single
False
>>> len(tf)
2