4. 坐标系与变换基础
在深度相机机器人抓取系统中，任何一个三维点、一条抓取位姿或一次手眼标定结果，都必须放在明确的坐标系下才有意义。坐标系与变换是贯穿标定、点云处理、抓取规划与运动执行的“公共语言”。本章围绕五类核心坐标系展开：世界坐标系、相机坐标系、图像坐标系、机器人基坐标系与工具坐标系，并说明它们之间的转换链路与工程注意事项。
一、五类坐标系的定义与作用
世界坐标系（World Frame，常记作 {W}）是场景的全局参考系，通常固定在标定板、工作台或机器人底座附近，用于统一描述相机、机器人与工件之间的相对位置。相机坐标系（Camera Frame，{C}）以相机光心为原点，Z 轴沿光轴指向场景，X、Y 轴与成像平面平行，是深度图与点云生成的直接参考系。图像坐标系（Image Frame，{I}）描述像素位置，包含以像素为单位的像素坐标系和以物理尺寸为单位的成像平面坐标系，是二维检测与特征提取的输出空间。机器人基坐标系（Base Frame，{B}）固定在机器人底座，是机器人运动学求解的根参考系。工具坐标系（Tool Frame，{T}）附着在末端执行器上，描述夹爪或吸盘的实际抓取位姿。
核心关系：抓取任务本质上是把“相机看到的物体位姿”转换到“机器人能执行的工具位姿”，即完成 {C} → {W} → {B} → {T} 的坐标链路映射。
二、坐标系转换的数学基础
刚体变换由旋转矩阵 R（3×3，正交且行列式为 1）和平移向量 t（3×1）组成。若点 P 在坐标系 {A} 下的坐标为 p_A，在 {B} 下的坐标为 p_B，则：
p_B = R_BA * p_A + t_BA
齐次形式：p_B_h = T_BA * p_A_h
其中 T_BA = [ R_BA t_BA
0 1 ] (4×4)旋转矩阵可用欧拉角、轴角或四元数表示。工程中常用四元数避免万向锁，用旋转向量配合罗德里格斯公式做优化。变换的复合遵循“从右到左”的链式法则：T_WC = T_WB * T_BC，表示先由相机系变到基座系，再由基座系变到世界系。
三、从像素到抓取：完整转换流程
下面以“深度相机识别工件并引导机械臂抓取”为例，梳理一次完整的坐标转换流程：
- 像素坐标 → 相机坐标：利用相机内参
K与深度值Z，通过反投影得到相机系下的三维点P_C。 - 相机坐标 → 世界坐标：使用手眼标定得到的外参
T_WC，将点云统一到世界系。 - 世界坐标 → 机器人基坐标：通过
T_BW把目标位姿转换到机器人可执行的基座系。 - 基坐标 → 工具坐标：结合末端位姿与工具偏移
T_TB，得到夹爪实际到达的抓取位姿。 - 逆运动学求解：将工具位姿送入 IK，得到各关节角并下发轨迹。
四、典型场景与参数对照
不同任务对坐标系的使用侧重点不同。下表给出常见场景下的坐标系组合与关键参数，便于快速对照。
| 应用场景 | 主要坐标系链路 | 关键参数/工具 | 常见误差来源 |
|---|---|---|---|
| Eye-to-Hand 固定相机抓取 | {I}→{C}→{W}→{B}→{T} | 外参 T_WC、基座偏移 T_BW | 标定板位姿、相机安装松动 |
| Eye-in-Hand 手眼随动 | {I}→{C}→{T}→{B} | 手眼矩阵 T_CT、末端位姿 | 末端位姿延迟、标定样本不足 |
| 传送带动态抓取 | {I}→{C}→{W}→{B}→{T} | 传送带编码器、时间戳对齐 | 运动模糊、触发延迟 |
| 多相机融合 | 各 {C}→{W}→{B} | 公共世界系、外参联合优化 | 各相机时间不同步 |
五、常见误区与复盘要点
误区一：混淆坐标系方向。相机系 Z 轴朝前、机器人基座系 Z 轴朝上，若直接套用旋转矩阵而不核对轴向，抓取点会“飞”到工件背面。
误区二：忽略单位与旋转顺序。深度图单位常为毫米，机器人位姿常为米；欧拉角顺序不同会导致姿态偏差数十度。
误区三：把外参当成固定值。相机或标定板一旦移动，T_WC 必须重新标定，否则误差会随距离放大。
复盘建议：每次抓取失败时，按“像素→相机→世界→基座→工具”逐级打印中间坐标，定位是哪一段变换出现跳变；同时检查时间戳是否对齐、单位是否统一、旋转顺序是否与标定库一致。
掌握五类坐标系的定义与转换链路，是后续手眼标定、点云配准与抓取规划的基础。工程中建议把每个变换矩阵显式命名并记录来源，形成可追溯的坐标变换树，这样在排障与复现时才能快速定位问题。