三维旋转矩阵需明确轴与角度,NumPy无内置函数,须按数学定义构造;常用绕单轴旋转(如z轴),推荐封装函数并用@运算符配合转置实现批量点旋转,注意乘法顺序与坐标系约定。

三维旋转矩阵的构造必须明确旋转轴和角度
NumPy 本身不提供现成的「三维旋转矩阵生成函数」,得自己按数学定义构造。核心是搞清用的是哪种约定:绕 x、y 或 z 轴单独旋转,还是用欧拉角(如 xyz 顺序),或是轴角(axis-angle)形式。不同场景选不同公式,混用会导致坐标飞掉。
绕单轴最常用,比如绕 z 轴逆时针转 theta 弧度,矩阵是:
[[cos(theta), -sin(theta), 0], [sin(theta), cos(theta), 0], [ 0, 0, 1]]
绕 x 和 y 同理,但非零元素位置不同——容易把 sin 符号或行列位置写反。建议直接封装成函数,别手敲:
def rot_z(theta): return np.array([[np.cos(theta), -np.sin(theta), 0], [np.sin(theta), np.cos(theta), 0], [0, 0, 1]])
用 @ 运算符做点坐标批量旋转,别用 np.dot 写冗长调用
如果你有一组三维点,形状是 (N, 3)(比如 points = np.random.randn(100, 3)),想统一绕 z 轴转 np.pi/4,正确做法是:
先确保旋转矩阵是 (3, 3),点坐标是 (N, 3),然后用 @(矩阵乘法):
rotated = points @ rot_z(np.pi/4).T
注意这里用了 .T ——因为 NumPy 默认行向量左乘矩阵,而常见教材习惯列向量右乘。若不转置,结果会错位。也可以把点改成 (3, N) 形状再左乘,但 (N, 3) 更符合实际数据习惯,所以推荐转置旋转矩阵。
常见错误:
- 写成
rot_z(...) @ points:维度不匹配报错ValueError: matmul: Input operand 1 has a mismatch in its core dimension - 漏掉
.T导致旋转方向相反或坐标坍缩 - 对单个点(shape
(3,))直接@,需先reshape(1, 3)或用np.expand_dims
组合多次旋转必须注意乘法顺序:R_total = R2 @ R1 表示先 R1 后 R2
绕 z 轴转 30°,再绕新 y 轴转 45°,对应复合旋转矩阵是 rot_y(45°) @ rot_z(30°),不是反过来。这个顺序极易搞反,尤其当参考不同资料时(有的用主动旋转,有的用被动变换)。
当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。
验证方法很简单:用一个已知结果的测试点,比如 [1, 0, 0],手动推一次第一步旋转后坐标,再推第二步,和代码输出比对。
如果要用欧拉角(如 xyz 顺序),直接套公式更稳:
R = rot_x(alpha) @ rot_y(beta) @ rot_z(gamma)
注意:有些库(如 scipy.spatial.transform.Rotation)默认是 zyx 顺序,和你手写的不一致——跨库对接时务必查文档确认约定。
避免用 np.matrix,也别把旋转矩阵存成 float64 以外的类型
np.matrix 已被官方标记为废弃,且它的乘法行为(* 自动矩阵乘)和 ndarray 不一致,容易在混合使用时出 bug。一律用 ndarray + @。
旋转矩阵数值精度很关键:用 np.float32 在多次累乘后可能因舍入误差导致行列式偏离 1(应恒为 1),进而让点云缩放或畸变。生产环境一律用 np.float64 构造和运算。
另外,别用 np.eye(3) 初始化后手工改元素——易漏改、难维护。坚持用三角函数实时计算,或用 scipy.spatial.transform.Rotation.from_euler(...).as_matrix() 做可信参考实现。
真正麻烦的从来不是写对一个旋转,而是后续要和 Open3D、PyVista 或 OpenGL 坐标系对齐——那些地方 Z 轴朝前还是朝上、Y 轴是否翻转,得一个个查文档,不能假设一致。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!










