四元数转轴角需先归一化，再用θ=2arccos(w)和v=(x,y,z)/‖(x,y,z)‖计算；w≈1时轴未定义需特判；角度范围为[0,π]，axis为单位向量。
四元数转轴角的数学原理和前提条件
C++ 里提取四元数 q = (w, x, y, z) 的旋转轴和角度，本质是逆向解析 Rodrigues 公式。但必须先确认：该四元数是单位四元数（norm(q) == 1）。非单位四元数直接套公式会得到错误角度——比如 w=0.5 在未归一化时可能被误判为 60°，实际可能是 120°。OpenCV、Eigen、glm 等库的转换函数（如 glm::axisAngle、Eigen::Quaternion::toRotationMatrix() 后再分解）都隐式依赖单位性。
- 单位性不满足时，必须先调用
normalize()或手动除以sqrt(w<em>w + x</em>x + y<em>y + z</em>z) - 若
w ≈ 1（即旋转角接近 0），轴方向无定义，应单独处理，否则除零或 NaN 风险高 - 角度范围默认是 [0, π]，若需 [-π, π]，需根据
w符号调整（但物理旋转中通常取最小正角）
用 Eigen 提取 axis-angle 的安全写法
Eigen 的 Quaternionf / Quaterniond 不直接暴露轴角接口，但可通过 coeffs() 拿到 (x,y,z,w)，再手动计算：
Eigen::Quaternionf q(w, x, y, z);
q.normalize(); // 必须！
float w_norm = q.w(), norm_xyz = q.vec().norm();
<p>if (norm_xyz < 1e-6f) {
// 近零旋转：轴任意（如 (1,0,0)），角度 = 0
angle = 0.0f;
axis = Eigen::Vector3f::UnitX();
} else {
angle = 2.0f * std::acos(std::clamp(w_norm, -1.0f, 1.0f)); // 防 acos 域外
axis = q.vec() / norm_xyz; // 自动归一化为单位轴
}</p>-
std::clamp防止浮点误差导致acos参数越界（如 1.0000001） -
q.vec()返回(x,y,z)，不是(w,x,y,z)—— 别错用coeffs()顺序 -
axis是单位向量；若后续要构造旋转矩阵，确保它没被意外缩放
用 glm 实现时要注意的兼容性陷阱
glm 的 glm::quat 提供了 glm::angleAxis 构造函数，但没有反向提取函数。常见错误是误用 glm::eulerAngles（那是转欧拉角，不是轴角）。正确做法仍是手动计算：
glm::quat q(w, x, y, z);
q = glm::normalize(q);
float angle = 2.0f * acosf(glm::clamp(q.w, -1.0f, 1.0f));
glm::vec3 axis(0);
float len = glm::length(glm::vec3(q.x, q.y, q.z));
if (len > 1e-6f) {
axis = glm::vec3(q.x, q.y, q.z) / len;
}
-
glm::length计算向量模长，别用glm::length(q)（那是四元数模长，等价于sqrt(w²+x²+y²+z²)） -
q.x/q.y/q.z是分量，q.w是实部——顺序和 Eigen 一致，但和某些手写结构体（如struct { float x,y,z,w; }）可能相反 - 若项目混用 glm 和 Eigen，注意两者
quat构造参数顺序均为 (w,x,y,z)，不是 (x,y,z,w)
角度符号与轴方向的物理含义
提取出的 angle 总是非负（0 到 π），对应右手定则下的最小旋转角。若你期望“-90° 绕 X 轴”等带符号结果，不能靠修改 angle 符号来实现——必须同时反转 axis 方向（因为 angle, axis 和 -angle, -axis 描述同一旋转）。但绝大多数场景（如插值、可视化、物理引擎输入）只要标准 [0,π] 表示即可。
立即学习“C++免费学习笔记（深入）”；
- 检查
w < 0并强制翻转轴+角度变号，虽数学等价，但会破坏插值连续性（SLERP 在单位球上走短弧，w<0时自动选长弧） - 若用于动画关键帧压缩，保留原始
w符号比强行转正更有利——但提取环节无需主动干预
四元数轴角转换真正容易出问题的地方不在公式本身，而在于单位性校验、零旋转分支、以及不同库对分量顺序和 API 语义的微妙差异。动手前先 print 出 q.w 和 q.vec().norm()，比盲目套函数更可靠。
