文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindsponge.common.quaternion_from_tensor

mindsponge.common.quaternion_from_tensor(tensor, normalize=False)

利用输入的 tensor $[(xx,xy,xz,yx,yy,yz,zz)]$ ，进行仿射变换得到新的 quaternion ， rotation， translation。

其中 $[(xx,xy,xz,yx)]$ 与 quaternion 一致，$(yy,yz,zz)$ 与translation一致。

$$tensor=[(xx,xy,xz,yx,yy,yz,zz)]quaternion=(xx,xy,xz,yx)translation=(yy,yz,zz)$$

再用生成的 quaternion 和 translation 进行仿射变换。仿射变换的过程参照 quat_affine API。

参数：

• tensor (Tensor) - 输入的初始Tensor $[(xx,xy,xz,yx,yy,yz,zz)]$ ，其中 $[(xx,xy,xz,yx)]$ 与 quaternion 一致，$(yy,yz,zz)$ 与 translation 一致。

• normalize (bool) - 控制是否要在仿射变换过程求范数。默认值：False。

返回：

• quaternion (Tensor) - 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。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindsponge.common.geometry import quaternion_from_tensor
>>> from mindspore.common import Tensor
>>> tensor = Tensor(np.random.rand(7),dtype=mstype.float32)
>>> quaternion, rotation, translation = quaternion_from_tensor(tensor)
>>> print(quaternion)
[4.17021990e-01,  7.20324516e-01,  1.14374816e-04,  3.02332580e-01]
>>> print(rotation)
(Tensor(shape=[], dtype=Float32, value= 0.60137), Tensor(shape=[], dtype=Float32, value= -0.251994),
Tensor(shape=[], dtype=Float32, value= 0.435651), Tensor(shape=[], dtype=Float32, value= 0.252323),
Tensor(shape=[], dtype=Float32, value= -0.436365), Tensor(shape=[], dtype=Float32, value= -0.600713),
Tensor(shape=[], dtype=Float32, value= 0.43546), Tensor(shape=[], dtype=Float32, value= 0.600851),
Tensor(shape=[], dtype=Float32, value= -0.253555))
>>> print(translation)
(Tensor(shape=[], dtype=Float32, value= 0.146756),Tensor(shape=[], dtype=Float32, value= 0.0923386),
Tensor(shape=[], dtype=Float32, value= 0.18626))