簡介這是一份面向Unity開發(fā)者和3D圖形學(xué)習(xí)者的四元數(shù)專題講解PDF用幾何與線性代數(shù)的視角替代抽象代數(shù)系統(tǒng)梳理四元數(shù)從定義到三維旋轉(zhuǎn)應(yīng)用的完整鏈路。資源共1個PDF文件壓縮包僅439KB適合快速通讀與反復(fù)查閱。文檔先從復(fù)數(shù)乘法與2D旋轉(zhuǎn)的關(guān)系切入再自然過渡到四元數(shù)的定義、共軛與旋轉(zhuǎn)公式vq*v*conj(q)并針對Unity引擎給出Quaternion.Euler、RotateTowards、Lerp等常用API的用法說明同時對比歐拉角解釋萬向節(jié)死鎖問題的成因。內(nèi)容將復(fù)數(shù)、矩陣與3D旋轉(zhuǎn)打通來講附錄還提供了MATLAB/Octave演示代碼的GitHub鏈接便于讀者動手驗證。目前已有3375人學(xué)習(xí)下載適合希望深入理解旋轉(zhuǎn)本質(zhì)并提升Unity中平滑旋轉(zhuǎn)與插值應(yīng)用能力的中高級開發(fā)者。1. 四元數(shù)詳細(xì)講解它到底在解決什么問題憑什么替代歐拉角做三維旋轉(zhuǎn)計算的人遲早會撞上一個叫「萬向鎖」的玄學(xué)問題明明歐拉角三個數(shù)就能描述姿態(tài)結(jié)果俯仰角一接近 90 度航向角就開始亂跳姿態(tài)解算整個翻車。做過機器人、無人機、三維渲染的從業(yè)者應(yīng)該都見過這種現(xiàn)象。四元數(shù)之所以被頻繁提起是因為它用四個數(shù)避免了這個奇點問題同時避免了矩陣運算帶來的大量冗余計算和漂移累積。這篇筆記不是去抄數(shù)學(xué)課本而是把四元數(shù)從定義到代碼落地、再到實際項目里常見的坑按一線使用順序捋一遍。無論你是做姿態(tài)傳感器融合、游戲骨骼動畫還是三維引擎的相機控制這套內(nèi)容都夠你直接用來排查問題和寫代碼。我沒有某個神秘項目源碼可以拿來分析但四元數(shù)的工程化路徑是非常成熟的理解它的旋轉(zhuǎn)本質(zhì)學(xué)會軸角轉(zhuǎn)換然后在你的代碼里用一個穩(wěn)定的工具類最后避開單位化、符號順序這些血淚坑。文章里的代碼都是常見做法你可以在自己的項目里直接驗證。2. 四元數(shù)的數(shù)學(xué)內(nèi)核從虛數(shù)擴展到旋轉(zhuǎn)映射別怕復(fù)數(shù)2.1 四元數(shù)不是四維向量它是帶約束的旋轉(zhuǎn)算子很多人拿到四元數(shù)接到的第一個知識點就是它是一個四元組 (w, x, y, z)。然后就用它當(dāng)普通向量去算點積、叉積結(jié)果自然對不上號。四元數(shù)的本質(zhì)是復(fù)數(shù)系的擴展——在一維復(fù)數(shù) i2 -1 的基礎(chǔ)上引入了三個虛部滿足 i2 j2 k2 ijk -1。這個定義讓四元數(shù)具備了描述三維旋轉(zhuǎn)的代數(shù)性質(zhì)。這里的關(guān)鍵是它的幾何含義一個單位四元數(shù)對應(yīng)的就是一個三維旋轉(zhuǎn)旋轉(zhuǎn)軸是虛部向量 (x, y, z)旋轉(zhuǎn)角度則編碼在 w 和虛部的長度里。設(shè)旋轉(zhuǎn)角為 θ旋轉(zhuǎn)軸為單位向量 n則四元數(shù)可以表示為q cos(θ/2) (nx·i ny·j nz·k)·sin(θ/2)注意 θ/2 這個半角這是幾乎所有人第一次算錯的地方。它意味著繞軸旋轉(zhuǎn) θ在四元數(shù)里需要用 θ/2 去構(gòu)建。旋轉(zhuǎn)矩陣可以完全沒有歐拉角的奇點問題因為它根本不用去單獨表達「繞 X、繞 Y、繞 Z」三個分量的累積關(guān)系而是一次性表達「繞某個任意軸轉(zhuǎn)了多大角度」。工程上建議把四元數(shù)當(dāng)作一個「旋轉(zhuǎn)算子」來看待而不是一個普通元組。它的約束是單位長度w2 x2 y2 z2 1。如果這個條件被破壞旋轉(zhuǎn)矩陣的縮放、歸一化、插值都會出問題。這是后面避坑章節(jié)第一個要展開的細(xì)節(jié)。2.2 核心公式對照乘法、共軛、歸一化這三個你繞不過去把四元數(shù)用在代碼里最開始只需要記三個操作乘法、共軛、歸一化。四元數(shù)乘法不滿足交換律這是和普通向量最大的差別。q1 * q2 表示先做 q2 的旋轉(zhuǎn)再做 q1 的旋轉(zhuǎn)。這個次序在姿態(tài)更新的時候特別關(guān)鍵——你把傳感器數(shù)據(jù)喂進去的順序反了結(jié)果就完全不對。乘法公式如下設(shè) q1 w1 x1 i y1 j z1 kq2 同理w w1 w2 - x1 x2 - y1 y2 - z1 z2 x w1 x2 x1 w2 y1 z2 - z1 y2 y w1 y2 y1 w2 z1 x2 - x1 z2 z w1 z2 z1 w2 x1 y2 - y1 x2共軛 q* 是把虛部取反對于單位四元數(shù)來說共軛等于逆。也就是說如果你想撤銷一次旋轉(zhuǎn)乘上它的共軛就行這一點比矩陣求逆快得多矩陣逆計算是 O(n3) 級別四元數(shù)共軛只是三個數(shù)取符號。歸一化則是把四元數(shù)除以它的模長約束回單位球面。設(shè)初始傳來的四元數(shù)可能帶噪聲歸一化能防止旋轉(zhuǎn)中引入縮放畸變。2.3 為什么歐拉角的奇點問題在四元數(shù)這里不存在歐拉角的萬向鎖本質(zhì)是三個旋轉(zhuǎn)軸在特定姿態(tài)下發(fā)生了退化兩個軸對齊了于是丟失了一個自由度。數(shù)學(xué)上這和歐拉角的參數(shù)化有關(guān)——它在特定角度下導(dǎo)數(shù)矩陣不滿秩。四元數(shù)把旋轉(zhuǎn)表達為四維單位球面上的點任何姿態(tài)都對應(yīng)球面上的一個點不存在「角度趨近某個值就失去自由度」的可能。一句話概括三維旋轉(zhuǎn)群 SO(3) 在拓?fù)渖喜皇且粋€三維球體無法用三個坐標(biāo)參數(shù)全局描述而四元數(shù)所在的 S3 球面恰好可以做到無奇點的覆蓋。這個性質(zhì)決定了它在姿態(tài)解算、動畫插值、物理仿真這些場景里是首選表示。如果你在做一個歐拉角方案當(dāng)俯仰角長期在 ±90° 附近工作換成四元數(shù)不是優(yōu)化是必要替換。3. 把四元數(shù)用起來軸角轉(zhuǎn)換、旋轉(zhuǎn)向量與可視化驗證3.1 從軸角到四元數(shù)構(gòu)造和解析的標(biāo)準(zhǔn)流程拿到一個旋轉(zhuǎn)軸和旋轉(zhuǎn)角怎么構(gòu)建四元數(shù)反過來給你一個四元數(shù)怎么讀出來軸和角這兩個手法是傳感器標(biāo)定、機器人運動學(xué)里最常寫的。從軸角到四元數(shù)常見做法是先做半角變換再把軸分量乘上 sin(θ/2)。注意軸 n 必須是單位向量否則結(jié)果不是單位四元數(shù)后續(xù)旋轉(zhuǎn)矩陣會出縮放。從四元數(shù)到軸角的解析邏輯是w cos(θ/2)所以 θ 2·arccos(w)軸的三個分量由單位化后的虛部給出即對 (x, y, z) 歸一化得到旋轉(zhuǎn)軸。需要小心的是 θ 接近 0 的時候軸方向不穩(wěn)定這是數(shù)值上要注意的邊界。下面給出一個軸角轉(zhuǎn)四元數(shù)的示例實現(xiàn)import numpy as np def axis_angle_to_quat(axis, angle_rad): axis np.array(axis, dtypenp.float64) axis axis / np.linalg.norm(axis) # 軸必須是單位向量 half angle_rad / 2.0 w np.cos(half) xyz axis * np.sin(half) return np.array([w, xyz[0], xyz[1], xyz[2]]) def quat_to_axis_angle(q): q np.array(q, dtypenp.float64) q q / np.linalg.norm(q) # 防御性歸一化 w np.clip(q[0], -1.0, 1.0) # clip 防止 arccos 越界 angle 2.0 * np.arccos(w) if np.sin(angle / 2.0) 1e-8: return np.array([1.0, 0.0, 0.0]), 0.0 axis q[1:4] / np.sin(angle / 2.0) return axis, angle3.2 用四元數(shù)旋轉(zhuǎn)一個三維向量不被繞暈的最小實現(xiàn)旋轉(zhuǎn)向量的標(biāo)準(zhǔn)公式是 v q * v * q?1也就是先把三維向量 v 補成 w0 的純四元數(shù)然后左乘 q右乘 q 的共軛單位四元數(shù)時就是共軛。先做廣播再去乘虛部。這個操作的執(zhí)行順序不能反。先乘后乘都錯因為左乘和右乘不等價。直接套公式的代碼如下def rotate_vector(q, v): q q / np.linalg.norm(q) v np.array(v, dtypenp.float64) qv np.array([0.0, v[0], v[1], v[2]]) q_conj np.array([q[0], -q[1], -q[2], -q[3]]) # q * qv t quat_mult(q, qv) # t * q_conj res quat_mult(t, q_conj) return res[1:4] def quat_mult(a, b): w1, x1, y1, z1 a w2, x2, y2, z2 b return np.array([ w1*w2 - x1*x2 - y1*y2 - z1*z2, w1*x2 x1*w2 y1*z2 - z1*y2, w1*y2 y1*w2 z1*x2 - x1*z2, w1*z2 z1*w2 x1*y2 - y1*x2 ])函數(shù)quat_mult里的乘法順序?qū)?yīng)實際旋轉(zhuǎn)的先后順序。這里 q * v * q?1 是先左乘 q 再右乘 q 的共軛正是繞軸旋轉(zhuǎn)的標(biāo)準(zhǔn)順序。如果你需要做連續(xù)旋轉(zhuǎn)比如先繞 Z 軸轉(zhuǎn) 30 度再繞 X 軸轉(zhuǎn) 45 度旋轉(zhuǎn)施加順序是從右往左也就是使用 q_total q_x * q_z這里是代碼里容易搞反的次序問題。3.3 用四元數(shù)生成旋轉(zhuǎn)矩陣驅(qū)動三維引擎的橋梁OpenGL、Unity、Three.js 等渲染引擎內(nèi)部通常接受旋轉(zhuǎn)矩陣不直接吃四元數(shù)雖然部分引擎封裝了轉(zhuǎn)換接口所以你要能手動把四元數(shù)轉(zhuǎn)成 3x3 旋轉(zhuǎn)矩陣。單位四元數(shù) q (w, x, y, z) 對應(yīng)的旋轉(zhuǎn)矩陣為R [[1-2(y2z2), 2(xy-wz), 2(xzwy)], [2(xywz), 1-2(x2z2), 2(yz-wx)], [2(xz-wy), 2(yzwx), 1-2(x2y2)]]這個矩陣的每一行表示旋轉(zhuǎn)后的基向量在原坐標(biāo)系里的投影。如果你發(fā)現(xiàn)渲染出來的物體既放大又拉伸了檢查一下這張矩陣是否由單位四元數(shù)生成。這里給出轉(zhuǎn)換實現(xiàn)def quat_to_rotation_matrix(q): q q / np.linalg.norm(q) w, x, y, z q return np.array([ [1 - 2*(y*y z*z), 2*(x*y - w*z), 2*(x*z w*y)], [2*(x*y w*z), 1 - 2*(x*x z*z), 2*(y*z - w*x)], [2*(x*z - w*y), 2*(y*z w*x), 1 - 2*(x*x y*y)] ])注意矩陣的轉(zhuǎn)置方向。這個公式給出的是列向量約定下的標(biāo)準(zhǔn)矩陣在行向量約定的引擎里比如部分 Web 渲染管線需要轉(zhuǎn)置后再喂給著色器。這個坑能讓你調(diào)一整天渲染效果下面避坑章節(jié)會專門展開。3.4 可視化驗證把四元數(shù)轉(zhuǎn)成三個正交向量畫出來寫完了轉(zhuǎn)換函數(shù)建議不要直接上真機先做個可視化驗證。我的常見做法是給定一個初始姿態(tài)四元數(shù)轉(zhuǎn)成旋轉(zhuǎn)矩陣然后把矩陣的三個列向量當(dāng)作紅綠藍三條線畫出來拖拽調(diào)整角度觀察物體轉(zhuǎn)動是否符合直覺。這一步能過濾掉一大半符號方向錯誤。驗證腳本大致邏輯是隨機生成旋轉(zhuǎn)軸和角度計算旋轉(zhuǎn)后的向量再和歐拉角計算的結(jié)果做差值對比最大誤差控制在 1e-6 內(nèi)才算通過。如果你的誤差是 2 倍左右多半是半角沒處理如果是模長對不上多半是沒歸一化。跑通這個驗證腳本再去接入工程能省下大量排查時間。4. 在代碼里落地四元數(shù)最小可用的旋轉(zhuǎn)工具箱4.1 姿態(tài)更新里的四元數(shù)微分方程為什么傳感器方案繞不開它四元數(shù)在慣性導(dǎo)航領(lǐng)域有一個繞不開的公式四元數(shù)微分方程。它描述了角速度到四元數(shù)變化率的映射姿態(tài)解算從它出發(fā)。公式可以寫成 q_dot 0.5 * q * ω其中 ω 是純四元數(shù)形式的角速度 (0, ωx, ωy, ωz)。實現(xiàn)時通常采用一階龍格庫塔更新也就是用當(dāng)前姿態(tài)加上導(dǎo)數(shù)與采樣時間間隔的乘積來做姿態(tài)遞推。這個方程的推導(dǎo)可以從四元數(shù)和角速度的幾何關(guān)系理解但對工程使用來說記住更新形式就夠了。假設(shè)你的 IMU 輸出角速度采樣周期 dt姿態(tài)更新就寫成 q_new q 0.5 * q * ω * dt之后做歸一化。下面是可用的姿態(tài)更新函數(shù)def quat_update(q, gyro, dt): # gyro: (wx, wy, wz) 單位弧度/秒 qw, qx, qy, qz q wv np.array([0.0, gyro[0], gyro[1], gyro[2]]) dq 0.5 * quat_mult(q, wv) * dt q_new q dq q_new q_new / np.linalg.norm(q_new) return q_newdq 0.5 * quat_mult(q, wv) * dt這一步對應(yīng)微分方程的離散化。寫成 q dq 而不是嚴(yán)格意義上的矩陣指數(shù)形式是在 dt 足夠小小于 0.01s情況下的合理近似。如果傳感器頻率不夠高比如只有 20Hz 采樣一階近似會產(chǎn)生明顯漂移這時要考慮二階龍格庫塔或更高的數(shù)值積分方式。實際項目里最好把瞬時角速度校準(zhǔn)好零偏否則純積分漂移會迅速積累成角度偏轉(zhuǎn)。4.2 構(gòu)建一個可復(fù)用的四元數(shù)工具類方法劃分與邊界處理工程上建議把常用操作封裝成一個四元數(shù)類避免散落成零散函數(shù)。類里至少應(yīng)該包含構(gòu)造從軸角、從旋轉(zhuǎn)矩陣、從歐拉角、旋轉(zhuǎn)向量、乘、共軛、歸一化、打印。核心操作歸一化要在每次運算后都做一次因為多次乘法會累積浮點誤差讓模長漂移。下面是一個簡化的 Python 工具類直接可拷走class Quaternion: def __init__(self, w1.0, x0.0, y0.0, z0.0): self.q np.array([w, x, y, z], dtypenp.float64) self.normalize_inplace() staticmethod def from_axis_angle(axis, angle): axis axis / np.linalg.norm(axis) half angle / 2.0 return Quaternion(np.cos(half), *(axis * np.sin(half))) def normalize_inplace(self): norm np.linalg.norm(self.q) if norm 1e-12: self.q np.array([1.0, 0.0, 0.0, 0.0]) else: self.q / norm def multiply(self, other): res quat_mult(self.q, other.q) q Quaternion(*res) return q def rotate(self, v): return rotate_vector(self.q, v) def to_matrix(self): return quat_to_rotation_matrix(self.q)類里暴露出的關(guān)鍵邊界是構(gòu)造后立即歸一化旋轉(zhuǎn)方法內(nèi)部的單位化乘法生成后自動歸一化。這套設(shè)計能保證你在絕大多數(shù)使用場景都不會踩單位化缺失的坑。要注意的是封裝不要做重重到影響性能嵌入式 C 代碼里這類操作通常以內(nèi)聯(lián)函數(shù)實現(xiàn)。4.3 坐標(biāo)系約定同一套四元數(shù)在不同硬件里含義完全不同傳感器和渲染引擎的坐標(biāo)系方向五花八門有的 Z 軸向上有的 Y 軸向上有的使用右手系有的使用左手系重力方向在不同設(shè)備上還區(qū)分正負(fù)。四元數(shù)表述的是「繞某個軸的方向和角度」這個軸是定義在哪個坐標(biāo)系下的這一點沒搞清楚代碼越寫越錯。我的一般做法是先明確傳感器的坐標(biāo)軸朝向再定義目標(biāo)坐標(biāo)系的軸然后補一層轉(zhuǎn)換。比如某 IMU 使用右手系 Z 向上而渲染引擎使用右手系 Y 向上那就要把一個 90 度的姿態(tài)補償矩陣預(yù)先乘進去。不做這一步數(shù)據(jù)幾乎必然偏 90 度或翻轉(zhuǎn)。調(diào)試的時候先讓小角度轉(zhuǎn)動一格觀察輸出變化方向方向不對就反轉(zhuǎn)對應(yīng)軸的分量。4.4 從歐拉角轉(zhuǎn)四元數(shù)三個備忘和一句忠告從歐拉角轉(zhuǎn)四元數(shù)有現(xiàn)成公式但不同引擎的旋轉(zhuǎn)順序不同轉(zhuǎn)換結(jié)果差異明顯。未約定順序之前任何歐拉角轉(zhuǎn)四元數(shù)的代碼都不能直接信任。常見順序有 ZYX、XYZ、YXZUnity 使用 ZXY相對自身軸ROS 使用 ZYX 的等效表示。換順序就會產(chǎn)生不同的目標(biāo)姿態(tài)。代碼里常見實現(xiàn)是先分別構(gòu)造三個軸的單軸四元數(shù)再按順序乘起來。假設(shè)采用 ZYX 順序def euler_to_quat_zxy(roll, pitch, yaw): cr, cp, cy np.cos(roll/2), np.cos(pitch/2), np.cos(yaw/2) sr, sp, sy np.sin(roll/2), np.sin(pitch/2), np.sin(yaw/2) qw cr*cp*cy sr*sp*sy qx sr*cp*cy - cr*sp*sy qy cr*sp*cy sr*cp*sy qz cr*cp*sy - sr*sp*cy return Quaternion(qw, qx, qy, qz)這段公式對應(yīng)固定軸 XYZ / 本體軸 ZXY 的等效關(guān)系如果項目里用的順序不同公式四個分量的加減號需要相應(yīng)調(diào)整。忠告是不要把歐拉角存在代碼里當(dāng)主狀態(tài)變量只在調(diào)試和展示時用。你可能會因為圖省事一直用歐拉角計算但奇點、符號分岔、角度回繞這些代價會在某個階段全部回來找上你。5. 四元數(shù)避坑指南順序、符號、單位四元數(shù)與數(shù)值爆炸的排查記錄5.1 坑一旋轉(zhuǎn)順序反了姿態(tài)完全對不上現(xiàn)象同樣的角速度輸入用四元數(shù)更新姿態(tài)得到的姿態(tài)和真實方向有一定偏差旋轉(zhuǎn)方向明顯與預(yù)期相反。原因可能有兩層一是四元數(shù)乘法的左右順序?qū)懛炊?IMU 的角速度定義方向與實際應(yīng)用相反。判斷方法很簡單把設(shè)備繞單個軸正方向轉(zhuǎn)動一下看輸出姿態(tài)角是否跟著正方向增長。解決先固定乘法慣例。代碼里我統(tǒng)一采用「新姿態(tài) 增量四元數(shù) × 舊姿態(tài)」而增量四元數(shù)由角速度構(gòu)建。增量的虛部方向由右手定則確定如果你的設(shè)備輸出角速度是左手系取反虛部即可。先在單個軸上驗證方向再組合多軸不要直接做多軸同時驗證否則分不清是哪條軸的問題。5.2 坑二四元數(shù)沒歸一化物體越變越大現(xiàn)象旋轉(zhuǎn)多次之后模型的尺寸緩慢變大或縮小或者姿態(tài)更新越來越不穩(wěn)定幾分鐘后徹底飛掉。原因就是浮點乘法的四舍五入令模長逐漸偏離 1。軸承旋轉(zhuǎn)計算里「單位四元數(shù)」是硬約束模長大于 1 會放大小于 1 會縮小典型的累積漂移。解決每次做完乘法、微分更新、插值之后立刻做歸一化。不要等到最后一步再統(tǒng)一歸一化中間過程的偏差已經(jīng)污染了旋轉(zhuǎn)向量。代碼里可以在工具類的multiply返回值之前強制歸一再return。養(yǎng)成這個習(xí)慣后這類問題基本絕跡。5.3 坑三符號不一致兩個四元數(shù)表示同一個旋轉(zhuǎn)現(xiàn)象同一姿態(tài)有人傳來 q有人傳來 -q程序里對比半天數(shù)值完全相反但實際旋轉(zhuǎn)效果一樣。原因單位四元數(shù)在球面上具有二重覆蓋性q 和 -q 是同一個旋轉(zhuǎn)。如果你用簡單的坐標(biāo)差來判斷兩個姿態(tài)是否接近會把本應(yīng)相同的姿態(tài)誤判為差很遠(yuǎn)。解決在比較姿態(tài)差異時先檢查點積 q1 · q2 是正還是負(fù)。點積為負(fù)就對 q2 取負(fù)再參與差值計算。姿態(tài)插值也同樣要處理最短路徑先做點積判斷如果小于 0則把末端四元數(shù)翻向 -q2這樣插值才走的是近路而不是繞遠(yuǎn)路。5.4 坑四把四元數(shù)當(dāng)普通向量喂給渲染管線現(xiàn)象渲染出來的模型錯位、拉伸、反向矩陣更新一幀壞一幀。原因多半是旋轉(zhuǎn)矩陣的行列約定與渲染引擎不一致。GL 系通常是列主序DirectX 是行主序左乘和右乘向量直接影響最終顯示。解決在喂給引擎前打印一行旋轉(zhuǎn)矩陣作用于向量后的結(jié)果跟手算的預(yù)期對比。比如讓一個向量按 (1, 0, 0) 輸入經(jīng) q 旋轉(zhuǎn) 90 度應(yīng)得 (0, 1, 0)如果變成 (0, -1, 0)就是符號方向問題如果變成行的形式就轉(zhuǎn)置矩陣。始終用向量做一次冒煙測試而不要直接依賴引擎渲染效果去猜。5.5 坑五imu 的陀螺儀零偏沒校準(zhǔn)四元數(shù)也救不了漂移現(xiàn)象靜態(tài)放置設(shè)備姿態(tài)仍然持續(xù)緩慢偏移幾分鐘內(nèi)漂一兩度甚至更多。原因不是四元數(shù)方法問題而是陀螺儀零偏存在。零偏被積分后產(chǎn)生線性增長的角度誤差四元數(shù)只是表示形式無法消除傳感器原生誤差。解決上電后先靜置采集 1 到 2 秒的陀螺儀均值作為零偏減掉。如果你對精度要求更高引入互補濾波或卡爾曼濾波用加速度計修正橫滾和俯仰方向的長期漂移。四元數(shù)在這里的作用是提供一個無奇點的姿態(tài)狀態(tài)量濾波器的預(yù)測和更新階段都在四元數(shù)域完成而不是說換四元數(shù)就能繞開元器件誤差。6. 進階四元數(shù)微分方程、姿態(tài)插值與你真正需要的驗證方法這個東西真正進階的方向不是背更多公式而是會用四元數(shù)去解決實際工程問題。我最常用到的是兩個點插值短路徑slerp和姿態(tài)平滑。簡單線性插值lerp在角位移較大的情況下會產(chǎn)生加速減速感slerp 則保證角速度恒定。做相機動畫、骨骼關(guān)鍵幀、機械臂路徑規(guī)劃時這個差別是用戶體感級別的。slerp 的公式實現(xiàn)為設(shè) t 為 0 到 1 的插值參數(shù)q(t) (sin((1-t)Ω)/sinΩ) · q1 (sin(tΩ)/sinΩ) · q2。用之前先把 q2 的符號調(diào)整為與 q1 的點積為正。注意 Ω 接近 0 的時候要退化為普通 lerp避免除零。注意 sinΩ 很小的閾值設(shè)在 1e-6 左右即可。如果你發(fā)現(xiàn)插值路徑繞了大圈方向越來越詭異九成是符號沒處理。姿態(tài)平滑的習(xí)慣我保持了很久每當(dāng)接入一個新的傳感器或渲染引擎先把原點、統(tǒng)一坐標(biāo)系、軸方向、旋轉(zhuǎn)順序這四個問題寫在注釋里再開始寫換算代碼。四元數(shù)的難點不在它本身而在它和外界交互時層層的坐標(biāo)系與約定差異。做驗證專門寫一個隨機姿態(tài)的往返測試從隨機四元數(shù)轉(zhuǎn)矩陣再轉(zhuǎn)回四元數(shù)誤差在 1e-5 以內(nèi)才算通過。新代碼推到主干前先跑一遍這個回歸測試能為整個項目省下大量的聯(lián)調(diào)時間。最后說一個我自己的教訓(xùn)有一次為了圖省事直接在項目里混用了兩套旋轉(zhuǎn)庫一套接口返回行向量矩陣另一套是列主序結(jié)果編譯不報錯、渲染不閃爍但模型姿態(tài)就是隱隱約約差一點。排查了很久才發(fā)現(xiàn)。后來我把所有四元數(shù)操作收斂到同一個工具類里并在類注釋里寫明坐標(biāo)系約定這類問題就再也沒出現(xiàn)過。希望幫到你。本文還有配套的精品資源點擊獲取