2D场景下两三角形间transform matrix求解最后步骤缺失问题

问题背景 #

• 核心需求：求解将源三角形映射为目标三角形的变换矩阵，优先落地2D场景实现，同步覆盖3D场景扩展思路
• 现有推导卡点：设定边长为1、最左顶点位于坐标原点的初始等边三角形对应单位矩阵（identity matrix）时，按照参考解法「待求变换矩阵=目标三角形B矩阵 × 初始三角形矩阵的逆」的逻辑，当初始矩阵为单位阵时计算结果等于B矩阵，该结论不符合预期，逻辑无法自洽
• 具体映射规则：源（蓝色）三角形有一个顶点位于坐标原点，目标（红色）三角形的变换锚点固定为距离原点最近的顶点；当前已完成锚点对齐步骤，缺失让两个三角形完全重合的最后一步变换逻辑
• 技术选型：基于C++ Eigen库实现变换计算
• 待解决两个核心问题：
  1. 前述推导过程遗漏了哪些关键信息？
  2. 给定上述约束条件，正确的变换矩阵如何计算？
• 映射规则参考问题附带的三角形变换示意图

推导过程遗漏的核心信息 #

1. 对「三角形基矩阵」的构造规则理解错误
   参考解法中用于求逆的矩阵不是直接堆砌顶点坐标生成的矩阵，必须严格按照仿射基规则构造：以锚点为原点，取从锚点出发的两条边作为线性基向量，追加齐次坐标维度和平移项。你默认边长为1的等边三角形对应单位阵，但该三角形从原点出发的两条边向量为(1, 0)和(0.5, √3/2)，拼出来的基矩阵本身就不是单位阵，自然推导结果和预期不符。只有当源三角形从锚点出发的两条边刚好是二维标准基(1,0)、(0,1)（即锚点为直角顶点、直角边长为1的等腰直角三角形）时，对应的基矩阵才是单位阵。
2. 漏了仿射变换的平移项分解
   仿射变换的线性部分（旋转、缩放、剪切）仅绕坐标原点生效，必须遵循「源锚点平移到原点→做线性变换对齐边向量→平移到目标锚点位置」的流程，不能跳过平移步骤直接计算线性矩阵乘积。
3. 顶点对应规则未严格对齐
   M = B * inv(A)公式成立的前提是，A和B构造时使用的三个顶点必须严格一一对应，顶点顺序错乱会直接导致变换结果错误（比如出现镜像翻转）。

给定约束下的2D变换矩阵正确计算方法 #

前置约定 #

源三角形锚点（位于原点的顶点）记为s0，另外两个顶点按顺序记为s1、s2；目标三角形锚点（距离原点最近的顶点）记为t0，与s1、s2对应的顶点记为t1、t2，所有顶点顺序必须一一对应。

计算步骤 #

1. 构造源三角形的3x3齐次仿射基矩阵A：

A = [s1.x - s0.x,  s2.x - s0.x,  s0.x]
    [s1.y - s0.y,  s2.y - s0.y,  s0.y]
    [0,            0,            1   ]

由于源三角形锚点s0在原点，第三列固定为(0, 0, 1)，前两列直接取s1、s2的坐标即可。
2. 用完全相同的规则构造目标三角形的仿射基矩阵B：

B = [t1.x - t0.x,  t2.x - t0.x,  t0.x]
    [t1.y - t0.y,  t2.y - t0.y,  t0.y]
    [0,            0,            1   ]

3. 最终变换矩阵满足M * A = B，即M = B * A.inverse()。
   如果你已经完成锚点对齐（s0 == t0），A和B的第三列完全一致，计算得到的M将只包含旋转、缩放、剪切的线性变换部分，刚好可以对齐两条边向量，实现两个三角形完全重合。

Eigen核心实现代码 #

#include <Eigen/Dense>

// 输入源三角形三个顶点s0/s1/s2、目标三角形三个对应顶点t0/t1/t2，顶点顺序必须一一对应
Eigen::Matrix3f computeTri2DTransform(
    const Eigen::Vector2f& s0, const Eigen::Vector2f& s1, const Eigen::Vector2f& s2,
    const Eigen::Vector2f& t0, const Eigen::Vector2f& t1, const Eigen::Vector2f& t2
) {
    Eigen::Matrix3f A = Eigen::Matrix3f::Identity();
    A.block<2, 1>(0, 0) = s1 - s0;
    A.block<2, 1>(0, 1) = s2 - s0;
    A.block<2, 1>(0, 2) = s0;

    Eigen::Matrix3f B = Eigen::Matrix3f::Identity();
    B.block<2, 1>(0, 0) = t1 - t0;
    B.block<2, 1>(0, 1) = t2 - t0;
    B.block<2, 1>(0, 2) = t0;

    return B * A.inverse();
}

3D场景扩展思路 #

• 2D场景下3个顶点提供6个约束，刚好匹配3x3齐次仿射矩阵的6个自由变量，因此三角形可以唯一确定2D仿射变换。3D场景下的仿射变换为4x4齐次矩阵，共12个自由变量，需要4个不共面的对应点才能唯一确定，仅靠三角形的3个顶点只能约束三角形所在平面内的变换，平面法向量方向的自由度无法消除。
• 如果是3D空间中共面三角形的映射，可以先将两个三角形投影到自身所在的2D局部平面，用上述2D方法计算平面内的变换，再补充法向量方向的变换逻辑即可；如果需要求解完整3D仿射变换，只需补充第四个不共面的对应点，按照相同逻辑构造4x4基矩阵，通过M = B * A.inverse()即可算出结果。

内容的提问来源于stack exchange，提问作者Kroma