旋转矩阵的形状为(1,3,3),平移矩阵的形状为(1,1,3) 怎么得到总的形状为(1,4,4)的刚性变换矩阵

可以通过将平移矩阵扩展为形状为(1,4,3)的矩阵，然后在第一个维度上填充0，得到形状为(1,4,4)的刚性变换矩阵。具体的代码实现可以参考以下示例：

import numpy as np

# 旋转矩阵
rotation_matrix = np.array([[[1, 0, 0], [0, 1, 0], [0, 0, 1]]])

# 平移矩阵
translation_matrix = np.array([[[1, 2, 3]]])

# 扩展平移矩阵
extended_translation_matrix = np.concatenate([np.zeros((1, 1, 1)), translation_matrix], axis=1)

# 组合成刚性变换矩阵
rigid_transformation_matrix = np.concatenate([rotation_matrix, extended_translation_matrix], axis=1)
last_row = np.array([[0, 0, 0, 1]])
rigid_transformation_matrix = np.concatenate([rigid_transformation_matrix, last_row], axis=0)

print(rigid_transformation_matrix.shape)  # (1, 4, 4)

这里使用了 `np.concatenate` 函数来进行矩阵拼接，具体来说，`np.concatenate([a, b], axis=1)` 可以将两个形状相同的矩阵在第二个维度上进行拼接，返回的结果的第二个维度的大小是两个矩阵的第二个维度大小之和。因此，我们将原来的平移矩阵在第二个维度上进行拼接时，需要先在第一个维度上添加一个0元素。最后，我们在第一个维度上添加一个全0行，然后使用 `np.concatenate` 函数将其拼接到矩阵的最后一行，得到刚性变换矩阵。