交互式图形学习疑问：Camera Frame与Object Frame的差异

嘿，我来帮你把这个点掰明白——刚入门交互式图形的时候，坐标系这块确实容易绕，很正常！

先给你把两个坐标系的本质和用途拆解开：

1. 先明确两个Frame的定义 #

• Object Frame（物体坐标系）：这是每个3D物体自带的「本地专属坐标系」。比如你建模一个茶壶，原点可能设在茶壶的底部中心，+Y朝上、+X朝右、+Z朝壶嘴方向——所有茶壶的顶点坐标，都是基于这个坐标系来定义的，不管你把茶壶移到场景的哪个角落，这些本地坐标都不会变。它的核心作用是描述物体自身的几何形状。
• Camera Frame（相机坐标系）：这是相机「眼睛」所在的坐标系，原点就是相机的位置，轴方向完全跟着相机的姿态走：
  • 视线方向是**-Z轴**（也就是你说的相机朝向z轴负方向）——意味着Camera Frame里，越远的物体Z值越小；
  • +Y轴是相机的「向上」方向；
  • +X轴是相机的「向右」方向。
    它的核心作用是定义我们观察场景的视角，所有物体最终都要转换到这个坐标系下，才能计算屏幕上的投影。

2. Model-View为单位矩阵时的状态 #

当model-view矩阵是单位矩阵时，这两个坐标系完全重合：

• 相机的位置正好在Object Frame的原点；
• 相机的视线方向（-Z）和物体本地的-Z方向完全一致；
• 相机的向上/向右方向，也和物体的本地Y/X轴完全对齐。

你可以想象成：你把眼睛贴在物体的几何中心，视线完全顺着物体的「默认朝向」看出去——这时候你的眼睛坐标系，和物体的本地坐标系就完全重叠了。

3. 核心差异：用途不同，而非位置/姿态 #

哪怕两者完全重合，它们的角色定位还是不一样的：

• Object Frame是「物体的视角」：描述物体自己长什么样，顶点在哪里；
• Camera Frame是「观察者的视角」：定义我们怎么看这个物体，哪些部分能被看到，以及它们在屏幕上的位置。

举个更直观的例子：假设你有一个正方体，Object Frame的原点在中心，+Z朝你。当你把眼睛放在正方体中心，盯着-Z方向（也就是正方体的背面方向）看，这时候model-view矩阵就是单位矩阵——你看到的画面，就是正方体从自己中心往-Z方向看的样子，但这个视角是相机提供的观察角度，而不是物体本身的属性。

内容的提问来源于stack exchange，提问作者user9516512