Ctrl+K
scipy.spatial.transform.Rotation.

as_davenport#

Rotation.as_davenport(self, axes, order, degrees=False)#

表示为 Davenport 角。

任何方向都可以表示为 3 个基本旋转的组合。

对于欧拉角和 Davenport 角，连续轴必须是正交的（axis2 与 axis1 和 axis3 都正交）。对于欧拉角，axis1 或 axis3 之间还有另一种关系，有两种可能性

  • axis1 和 axis3 也正交（不对称序列）

  • axis1 == axis3 （对称序列）

对于 Davenport 角，这种最后的关系被放宽了[1]，并且只保留连续正交轴的要求。

使用了来自 [2] 的算法的略微修改版本，以计算关于给定轴序列旋转的 Davenport 角。

Davenport 角，就像欧拉角一样，也存在万向节锁问题[3]，其中表示失去了一个自由度，并且无法唯一地确定第一个和第三个角度。在这种情况下，会引发警告，并将第三个角度设置为零。但请注意，返回的角度仍然表示正确的旋转。

参数:
axesarray_like, 形状 (3,) 或 ([1 或 2 或 3], 3)

旋转轴，如果是一维的。 如果是二维的，则描述旋转的轴序列，其中每个 axes[i, :] 是第 i 个轴。 如果给出多个轴，则第二个轴必须与第一个和第三个轴都正交。

orderstring

如果它属于集合 {‘e’, ‘extrinsic’}，则该序列将是外在的。 如果它属于集合 {‘i’, ‘intrinsic’}，则该序列将被视为内在的。

degreesboolean, 可选

如果此标志为 True，则返回的角度以度为单位，否则以弧度为单位。 默认值为 False。

返回:
anglesndarray, 形状 (3,) 或 (N, 3)

形状取决于用于初始化对象的输入形状。 返回的角度在以下范围内

  • 第一个角度属于 [-180, 180] 度（包括两端）

  • 第三个角度属于 [-180, 180] 度（包括两端）

  • 第二个角度属于大小为 180 度的集合，由以下公式给出： [-abs(lambda), 180 - abs(lambda)]，其中 lambda 是第一个轴和第三个轴之间的角度。

参考

[1]

Shuster, Malcolm & Markley, Landis. (2003). 欧拉角的概括. 《天文学科学杂志》. 51. 123-132. 10.1007/BF03546304.

[2]

Bernardes E, Viollet S (2022) 四元数到欧拉角的转换：一种直接、通用且计算高效的方法。PLoS ONE 17(11): e0276302. 10.1371/journal.pone.0276302

示例

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

Davenport 角是欧拉角的推广，当我们使用规范基轴时

>>> ex = [1, 0, 0]
>>> ey = [0, 1, 0]
>>> ez = [0, 0, 1]

表示单个旋转

>>> r = R.from_rotvec([0, 0, np.pi/2])
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True)
array([90.,  0.,  0.])
>>> r.as_euler('zxy', degrees=True)
array([90.,  0.,  0.])
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True).shape
(3,)

表示一堆单个旋转

>>> r = R.from_rotvec([[0, 0, np.pi/2]])
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True)
array([[90.,  0.,  0.]])
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True).shape
(1, 3)

在单个对象中表示多个旋转

>>> r = R.from_rotvec([
... [0, 0, 90],
... [45, 0, 0]], degrees=True)
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True)
array([[90.,  0.,  0.],
       [ 0., 45.,  0.]])
>>> r.as_davenport([ez, ex, ey], 'extrinsic', degrees=True).shape
(2, 3)
在此页面