📚 课程目录第4章坐标系与变换基础

4. 坐标系与变换基础

坐标系与变换是机器人感知的数学基石，几乎每场面试都会涉及。面试官通常通过一个问题考察你的空间理解、数学表达和工程落地能力。本章将高频问题拆解为三个卡片，并给出公司对应侧重点、面试官画像及结构化回答框架。

核心回答框架

高频问答卡片

卡片1：世界坐标系、相机坐标系、像素坐标系的区别与转换

回答框架：先分别定义三个坐标系及其单位/方向，然后给出齐次坐标变换公式：P_world = T_cam2world · T_pixel2cam · P_pixel。强调内参矩阵K和外参矩阵[R|t]。

简短示例：相机坐标系下点(2,3,5) m，外参旋转为3°俯仰，平移(0.1,0.2,0.3) m，则世界坐标 = R·P_cam + t。

追问：

如果相机有畸变，如何修正后再转换？
深度图如何反投影到3D点？
左乘右乘顺序如何影响结果？

避坑：混淆像素坐标系(u,v)原点在左上角，与图像坐标系(x,y)原点在中心；忘记内参归一化平面；单位不统一（mm vs m）。

卡片2：旋转矩阵、四元数、欧拉角的优缺点与转换

回答框架：列出三种表达的核心公式（如四元数 q = w+xi+yj+zk，旋转矩阵满足 R^TR=I，欧拉角绕三个轴依次旋转）。对比：四元数无万向锁、插值平滑；旋转矩阵直观但冗余；欧拉角易理解但有歧义。

简短示例：给定欧拉角 (30°,45°,60°)（ZYX顺序），先转旋转矩阵，再转四元数，验证模长为1。

追问：

什么是万向锁？如何避免？
四元数如何实现Slerp插值？
旋转矩阵轴角表示的关系？

避坑：欧拉角顺序约定不同（ZYX vs XYZ）；四元数哈密顿规则中虚部顺序；旋转矩阵行列式为-1代表反射。

卡片3：手眼标定中的坐标系变换链

回答框架：给出标准方程 AX=XB（眼在手）或 AX=ZB（眼固定），A为机器人末端位姿，B为标定板位姿。通过非线性优化或解析法求解X。

简短示例：已知两组对应位姿，用Tsai-Lenz方法求解旋转部分，再解平移。

追问：

手眼标定最少需要几组数据？为什么至少3组？
标定误差来源及如何减少？
能否用纯平移的方法标定？

避坑：忽略噪声影响，直接解线性方程导致奇异；忘记区分眼在手上和眼固定两种场景；标定板不平整带来巨大误差。

公司侧重点分析

公司类型	侧重方向	常见提问
自动驾驶（百度/Apollo）	多传感器融合、外参标定	激光雷达与相机外参标定流程，Ceres优化
机器人（大疆/优必选）	机械臂手眼标定、运动学	眼在手上 vs 眼固定场景设计，Tsai方法
AR/VR（华为/歌尔）	相机与IMU标定、姿态解算	四元数互补滤波、旋转矩阵与欧拉角互转
芯片/视觉方案商（旷视/商汤）	算法优化、数学原理理解深度	推导旋转矩阵导数，Lie群应用

面试官画像

技术深挖型（常见于大厂算法岗）：从基础概念一步步追问到数学证明，如“证明旋转矩阵的特征值为1或一对共轭复数”。
工程落地型（常见于初创或量产部门）：给定具体传感器型号，要求设计标定流程并考虑实际噪声。
理论推导型（常见于研究院）：现场推导SE(3)的指数映射，或者四元数的BCH公式近似。

核心回答框架（结构图）

Step 1 – 识别坐标系：明确问题中的源坐标系和目标坐标系，以及它们之间的物理关系（刚体/仿射）。
Step 2 – 选择表达：根据场景选择旋转矩阵（便于组合）、四元数（便于插值）或欧拉角（便于理解）。
Step 3 – 构建矩阵：写出齐次变换矩阵 [R|t] 或使用4×4矩阵，并检查维度一致性。
Step 4 – 应用链式法则：若有中间坐标系，按顺序左乘或右乘，注意运算符先后。
Step 5 – 验证与可视化：用数值正确性（逆变换、模长）或物理意义（旋转方向）进行快速校验。

完整示例回答

面试问题：“请解释如何将相机坐标系下的3D点投影到像素坐标？”

1. 定义：点P_cam = (X, Y, Z)
2. 归一化平面：x = X/Z, y = Y/Z
3. 加畸变（如果已知）：径向畸变 k1,k2 -> 修正 (x', y')
4. 内参投影：u = fx * x' + cx, v = fy * y' + cy
5. 注意Z>0，否则点在相机后方
验证：可将像素点反投影回3D射线，检查一致性。

常见追问

追问方向	考察点
万向锁的本质？	欧拉角奇异性和自由度丧失
四元数乘法为什么不满足交换律？	四元数代数结构和旋转合成
旋转矩阵行列式为什么是1？	正交性和手性约束
如何用李代数表示旋转？	SO(3)与so(3)的指数映射

避坑要点

❌ 坐标系方向假设：别默认所有坐标系都是右手系，先与面试官确认。
❌ 齐次坐标混淆：点用(x,y,z,1)，向量用(x,y,z,0)，否则平移会错误施加。
❌ 外参更新时左乘右乘不清：机器人移动后新位姿 = 原位姿 * 变换，或变换 * 原位姿需要明确。
❌ 忽略非刚性变换：有尺度的仿射变换或投影变换需要单独讨论。
❌ 背公式不理解：能推导旋转矩阵的正交基构造比背公式更容易应对追问。

—— 坐标系与变换，不仅会算，更要会讲。