nalgebra是否提供内置方法分解4x4齐次矩阵为旋转、缩放和平移分量？

nalgebra确实提供了内置工具来分解4x4齐次矩阵的旋转、缩放和平移分量，具体实现取决于矩阵是否为仿射变换矩阵（最后一行固定为[0, 0, 0, 1]）：

针对仿射变换矩阵的快速分解 #

对于符合仿射结构的4x4矩阵，推荐使用Affine3类型直接提取分量：

• 将Matrix4转换为Affine3：可以用try_into()做安全转换（自动验证矩阵结构），或Affine3::from_matrix_unchecked()直接转换（需确保矩阵合法）。
• 提取平移分量：调用affine.translation()，返回Vector3类型。
• 提取旋转分量：调用affine.rotation()，返回Rotation3类型，可进一步转为旋转矩阵或欧拉角。
• 提取缩放分量：如果是均匀缩放，affine.scaling()直接返回缩放因子；如果是非均匀缩放，需要对affine.linear()得到的3x3矩阵做SVD分解来分离旋转与缩放。

代码示例 #

use nalgebra::{Matrix4, Affine3, Vector3, Rotation3, Matrix3};

// 构造一个非均匀缩放+平移的仿射矩阵（示例无旋转）
let mat = Matrix4::new(
    2.0, 0.0, 0.0, 5.0,
    0.0, 3.0, 0.0, 6.0,
    0.0, 0.0, 4.0, 7.0,
    0.0, 0.0, 0.0, 1.0,
);

// 安全转换为Affine3
if let Ok(affine) = mat.try_into() {
    // 获取平移分量
    let translation: Vector3<f64> = affine.translation().into();
    // 获取旋转分量
    let rotation: Rotation3<f64> = affine.rotation();
    // 处理非均匀缩放：对线性部分做SVD分解
    let linear_mat: Matrix3<f64> = affine.linear().into();
    let svd = linear_mat.svd(true, true);
    let scale_factors = svd.singular_values();
    let rotation_from_svd = svd.u.unwrap() * svd.v_t.unwrap().transpose();

    println!("平移分量: {:?}", translation);
    println!("旋转矩阵: {:?}", rotation.matrix());
    println!("缩放因子: {:?}", scale_factors);
}

针对通用4x4齐次矩阵的分解 #

如果矩阵不是标准仿射结构（最后一行非[0,0,0,1]），可以手动分解：

1. 提取矩阵的第四列前三个元素作为平移分量。
2. 提取左上角3x3子矩阵，通过SVD分解（Matrix3::svd()）得到：
   • 旋转分量：由SVD的U矩阵和V^T矩阵的乘积得到。
   • 缩放分量：SVD的奇异值向量。

注意事项 #

• 如果矩阵包含剪切变换，Affine3的默认旋转/缩放提取会失效，此时必须依赖SVD分解来分离分量。
• 分解结果可能存在符号歧义（比如旋转矩阵的行列式可能为-1，对应镜像变换），需要根据业务场景调整处理逻辑。

内容的提问来源于stack exchange，提问作者Makogan