坐标系与姿态表示：载体坐标系、世界坐标系、欧拉角、四元数

在基于IMU的步态检测与计步算法中，坐标系与姿态表示是整个数学模型的基石。IMU输出的原始数据（加速度、角速度、磁场强度）都是相对于其自身内部传感器轴定义的，而步态分析、位移积分、姿态解算则需要在世界坐标系下进行。如果坐标系定义混乱或姿态表示方法选择不当，后续的滤波、融合、步态特征提取都将失去物理意义。本章将系统梳理载体坐标系与世界坐标系的定义与转换关系，深入对比欧拉角与四元数在姿态解算中的优劣，并结合实际步态检测场景给出选型建议。

上图展示了本章的核心框架：左侧为固定在IMU芯片上的载体坐标系（通常以芯片封装方向定义X、Y、Z轴），右侧为步态分析所需的世界坐标系（通常以重力方向定义Z轴，水平面定义X、Y轴）。中间通过姿态表示方法（欧拉角或四元数）建立两者之间的数学映射。下面我们逐一深入。

3.1 载体坐标系与世界坐标系的定义

3.1.1 载体坐标系（Body Frame）

载体坐标系是固定于IMU传感器本身的直角坐标系，其原点位于IMU的测量中心。对于大多数商用IMU（如MPU6050、BMI160、LSM6DS3），芯片表面通常印有坐标轴标识。以常见的右手坐标系为例：X轴指向芯片前方（通常与PCB板边平行），Y轴指向左侧，Z轴垂直芯片表面向上。IMU输出的三轴加速度（ax, ay, az）和三轴角速度（gx, gy, gz）均在此坐标系下定义。

在步态检测中，载体坐标系的物理意义直接决定了数据的解读方式。例如，当人将手机放在裤兜时，手机屏幕朝向人体，此时载体坐标系的Z轴大致指向人体左侧，而X轴指向人体前方。如果直接将载体坐标系的加速度数据用于步频计算，会因设备佩戴方向不同而产生巨大偏差。因此，必须通过姿态解算将数据转换到世界坐标系。

3.1.2 世界坐标系（World Frame）

世界坐标系（又称导航坐标系或全局坐标系）是一个固定不动的参考系，其原点通常选择为IMU上电时的位置或步态测试的起点。世界坐标系的Z轴与重力方向相反（即指向天空），X轴和Y轴位于水平面内，具体指向可根据应用场景定义（如正北、正东或行走方向）。在步态分析中，世界坐标系的优势在于：重力方向始终沿Z轴，因此可以通过加速度在Z轴的分量判断步态的垂直冲击；水平方向的加速度分量则反映了前后和侧向的运动。

3.2 欧拉角：直观但存在万向节死锁

3.2.1 欧拉角的定义与旋转顺序

欧拉角通过三次绕不同坐标轴的旋转来描述姿态，常见的定义顺序为Z-Y-X（即先偏航Yaw，再俯仰Pitch，最后横滚Roll）。设世界坐标系为W，载体坐标系为B，则从W到B的旋转可表示为：

R = Rz(Yaw) * Ry(Pitch) * Rx(Roll)

其中，Yaw（偏航角）绕Z轴旋转，范围通常为[-π, π]；Pitch（俯仰角）绕Y轴旋转，范围[-π/2, π/2]；Roll（横滚角）绕X轴旋转，范围[-π, π]。在步态检测中，Pitch角反映了躯干的前倾程度，Roll角反映了侧倾，Yaw角则对应行走方向的变化。

3.2.2 万向节死锁问题

欧拉角最致命的缺陷是万向节死锁（Gimbal Lock）。当Pitch角接近±90°时，第一次旋转和第三次旋转的轴会重合，导致系统丢失一个旋转自由度。例如，当人弯腰捡东西（Pitch接近90°）时，Yaw和Roll的旋转效果变得不可区分，姿态解算会出现奇异值。在步态检测中，虽然日常行走很少达到Pitch=90°，但在跌倒检测、上下坡、跑步等场景中，Pitch角可能短暂接近临界值，导致姿态跳变。

3.3 四元数：无奇异性的优雅表示

3.3.1 四元数的数学定义

四元数是由一个实部和三个虚部组成的超复数，形式为 q = q0 + q1·i + q2·j + q3·k，其中满足 i² = j² = k² = ijk = -1。单位四元数（模长为1）可以唯一表示三维空间中的旋转。其与旋转轴（ux, uy, uz）和旋转角θ的关系为：

q0 = cos(θ/2)
q1 = ux * sin(θ/2)
q2 = uy * sin(θ/2)
q3 = uz * sin(θ/2)

四元数避免了欧拉角的奇异性，且只需4个参数（相比方向余弦矩阵的9个参数），计算效率更高。在步态检测中，四元数被广泛用于姿态融合算法（如Mahony、Madgwick滤波）的核心表示。

3.3.2 四元数与欧拉角的转换

在实际工程中，我们经常需要将四元数转换为欧拉角以便直观理解姿态，或将欧拉角转换为四元数以进行姿态更新。以下给出从四元数到欧拉角的转换公式（Z-Y-X顺序）：

Roll  = atan2(2*(q0*q1 + q2*q3), 1 - 2*(q1² + q2²))
Pitch = asin(2*(q0*q2 - q3*q1))
Yaw   = atan2(2*(q0*q3 + q1*q2), 1 - 2*(q2² + q3²))

注意，当Pitch接近±90°时，asin函数的输入可能超出[-1,1]范围，需要做截断处理。在步态算法中，建议直接使用四元数进行积分和滤波，仅在输出可视化或调试时转换为欧拉角。

3.4 坐标系转换在步态检测中的实战应用

3.4.1 从原始数据到世界坐标系的转换流程

在步态检测系统中，坐标系转换的典型流程如下：

1. 初始化姿态：利用加速度计在静止时的输出估计初始Roll和Pitch（通过atan2(ay, az)和atan2(-ax, sqrt(ay²+az²))），利用磁力计估计初始Yaw。
2. 姿态更新：使用陀螺仪的角速度数据，通过四元数微分方程 q_dot = 0.5 * q ⊗ ω 进行积分，其中ω为角速度四元数（实部为0）。
3. 数据转换：将载体坐标系下的加速度 a_body 通过旋转矩阵 R(q) 转换到世界坐标系：a_world = R(q) * a_body。
4. 重力补偿：从世界坐标系的加速度中减去重力分量（0, 0, g），得到线性加速度，用于步态特征提取。

3.4.2 案例：手机放在裤兜中的步态检测

场景背景：某计步APP需要检测用户将手机放在前裤兜时的步数。手机屏幕朝向人体，顶部朝上，此时载体坐标系的X轴指向人体前方，Y轴指向左侧，Z轴指向天空。

初始现象：直接使用载体坐标系的Z轴加速度进行步频检测，发现波形幅值很小且噪声大，无法准确识别步态周期。

分析过程：由于手机在裤兜中并非完全固定，行走时手机会随腿部运动产生旋转，导致载体坐标系的Z轴并不始终与重力方向对齐。直接使用Z轴数据会丢失垂直方向的冲击信息。

操作步骤：

• 第一步：采集静止时的加速度数据，计算初始Roll和Pitch，假设Yaw=0（忽略初始朝向）。
• 第二步：使用Madgwick滤波融合陀螺仪和加速度计数据，实时更新四元数。
• 第三步：将每个采样点的加速度转换到世界坐标系，提取Z轴（垂直方向）的线性加速度。
• 第四步：对垂直加速度进行带通滤波（0.5-3Hz），检测波峰作为步态事件。

结果对比：转换前，Z轴加速度的峰峰值约为0.8g，信噪比低；转换后，垂直方向线性加速度的峰峰值达到1.5g，步态周期清晰可辨，计步准确率从82%提升至96%。

3.5 常见误区与总结复盘

本章总结：坐标系与姿态表示是IMU步态检测的数学基础。载体坐标系是传感器的"母语"，世界坐标系是算法的"通用语言"，而欧拉角和四元数则是两种翻译工具。在实际工程中，推荐使用四元数作为姿态解算的核心表示，仅在需要直观理解姿态时转换为欧拉角。掌握坐标系转换的完整流程，能够显著提升步态检测算法的鲁棒性和准确性。在下一阶段的课程中，我们将基于本章的姿态表示方法，深入讲解加速度与角速度的预处理技术。