mindsponge.common.pre_compose

mindsponge.common.pre_compose(quaternion, rotation, translation, update)[源代码]

利用旋转矩阵rotation和辅助矩阵update更新输入的四元数quaternion和平移向量translation，并进行新的仿射变化过程，得到更新的平移向量。

旋转矩阵的过程如下：

\[update = (xx, xy, xz, yx, yy, yz) vector_quaternion_update = (xx, xy, xz) x = (yx) y = (yy) z = (yz) trans_update = [(x, y, z)] new_quaternion = quaternion + vector_quaternion_update * quaternion rotated_trans_update = rotation * trans_update new_translation = translation + rotated_trans_update\]

其中 vector_quaternion_update 与 quaternion 的相乘使用 quat_multiply_by_vec 函数相乘， rotation 与 trans_update 的相乘用 rots_mul_vecs 函数， translation 与 rotated_trans_update 相加过程使用 vecs_add 函数。再用生成的 new_quaternion 和 new_translation 进行仿射变换。仿射变换的过程参照 quat_affine API。

参数：

quaternion (Tensor) - 初始的待更新四元数，shape为 \([(..., 4)]\) 的Tensor。
rotation (Tuple) - 旋转矩阵 \((xx, xy, xz, yx, yy, yz, zx, zy, zz)\) ，且xx, xy等均为Tensor且shape相同。
translation (Tuple) - 平移向量 \((x, y, z)\) ，其中x, y, z均为Tensor，且shape相同。
update (Tensor) - 用于辅助更新的矩阵，shape为 \([(..., 6)]\) 的Tensor，最后一维前三个元素为代表旋转矩阵的四元数三维向量表示，参考 quat_multiply_by_vec 。

返回：

quaternion (Tensor) - 更新后的四元数，shape为 \([(..., 4)]\) 的Tensor。
rotation (Tensor) - 更新后的旋转矩阵 \((xx, xy, xz, yx, yy, yz, zx, zy, zz)\) ，且xx, xy等均为Tensor且shape相同。
translation (Tensor) - 更新后的平移向量 \((x, y, z)\) ，其中x, y, z均为Tensor，且shape相同。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindsponge.common.geometry import pre_compose
>>> from mindspore.common import Tensor
>>> from mindspore import dtype as mstype
>>> np.random.seed(1)
>>> quaternion = Tensor(np.random.rand(4),dtype=mstype.float32)
>>> update = Tensor(np.random.rand(6),dtype=mstype.float32)
>>> rotation = Tensor(np.random.rand(9),dtype=mstype.float32)
>>> translation = Tensor(np.random.rand(3),dtype=mstype.float32)
>>> quaternion, rotation, translation = pre_compose(quaternion,rotation,translation,update)
>>> print(quaternion)
[ 0.27905196  0.82475466 -0.05600705  0.48864394]
>>> print(rotation)
(Tensor(shape=[], dtype=Float32, value= 0.516181), Tensor(shape=[], dtype=Float32, value= -0.365098),
Tensor(shape=[], dtype=Float32, value= 0.774765), Tensor(shape=[], dtype=Float32, value= 0.18033),
Tensor(shape=[], dtype=Float32, value= -0.837986), Tensor(shape=[], dtype=Float32, value= -0.515034),
Tensor(shape=[], dtype=Float32, value= 0.837281), Tensor(shape=[], dtype=Float32, value= 0.405564),
Tensor(shape=[], dtype=Float32, value= -0.366714))
>>> print(translation)
(Tensor(shape=[], dtype=Float32, value= 0.724994), Tensor(shape=[], dtype=Float32, value= 1.47631),
Tensor(shape=[], dtype=Float32, value= 1.40978))