3. 坐标系基础
在机械臂视觉定位系统中，坐标变换不是抽象的数学游戏，而是把“图像里看到的目标”变成“机械臂能到达的位置”的工程桥梁。要完成这条链路，必须先厘清六个坐标系的定义、原点位置、轴向含义以及它们之间的变换关系。它们分别是：世界坐标系、基坐标系、工具坐标系、工件坐标系、相机坐标系和像素坐标系。
一、六个坐标系的定义与角色
世界坐标系（World Frame）是整个工作场景的全局参考系，通常固定在地面或工作台某一点。它不随机械臂或相机移动，用于统一描述机械臂、相机、工件和障碍物的绝对位置。在多机器人或视觉引导系统中，世界坐标系是“共同语言”。
基坐标系（Base Frame）位于机械臂底座，是机器人运动学的根坐标系。机械臂的正运动学通常以基坐标系为起点，计算末端法兰的位置和姿态。基坐标系与世界坐标系之间一般通过一个固定的外参矩阵关联。
工具坐标系（Tool Frame / TCP Frame）定义在末端执行器上，原点通常取工具中心点（TCP），例如焊枪尖端、吸盘中心或夹爪闭合中心。它描述“工具相对于法兰”的偏移和姿态，是机械臂真正执行任务时关心的坐标系。
工件坐标系（Work Object Frame）固定在待加工或待抓取工件上。当工件在台面上有确定摆放时，用工件坐标系描述目标点，可以让程序与工件形状绑定，而不是与机械臂绝对位置绑定，便于换线和小幅偏移补偿。
相机坐标系（Camera Frame）以相机光心为原点，Z轴沿光轴指向场景，X、Y轴与图像平面平行。它描述三维空间点在相机视野中的位置，是视觉测量的直接输出坐标系。
像素坐标系（Pixel Frame）是图像平面上的二维坐标系，原点通常在图像左上角，单位为像素。它描述目标在图像中的行列位置，是图像处理算法最直接的输出。
二、坐标系之间的变换关系
六个坐标系并不是孤立的，而是通过刚体变换串联成一条链。典型链路为：像素坐标系 → 相机坐标系 → 世界坐标系 → 基坐标系 → 工具坐标系，工件坐标系则作为目标描述的中间参考。每一步变换都可以用旋转矩阵 R 和平移向量 t 组成的齐次变换矩阵 T 表示。
其中，像素坐标系到相机坐标系依赖相机内参矩阵 K，包含焦距和主点；相机坐标系到世界坐标系依赖外参矩阵，由手眼标定获得；世界坐标系到基坐标系通常是固定安装关系；基坐标系到工具坐标系由机器人正运动学实时计算；工件坐标系则通过三点法或视觉标定确定。
三、典型场景：从像素到抓取
假设相机固定安装在工作台上方，机械臂需要抓取传送带上的零件。视觉算法先在图像中找到零件中心像素坐标 (u, v)，然后按以下流程转换：
- 用相机内参和深度信息，将 (u, v) 反投影为相机坐标系下的三维点 Pc。
- 用相机外参矩阵，将 Pc 变换到世界坐标系 Pw。
- 用世界坐标系到基坐标系的固定矩阵，将 Pw 变换到基坐标系 Pb。
- 结合工具坐标系偏移，计算末端法兰需要到达的位姿。
- 逆运动学求解关节角，驱动机械臂完成抓取。
# 伪代码：像素坐标到基坐标系的变换链
Pc = K_inv @ [u, v, 1] * depth # 像素 -> 相机
Pw = T_cam_to_world @ Pc # 相机 -> 世界
Pb = T_world_to_base @ Pw # 世界 -> 基座
P_tcp = Pb - R_base_to_tool @ t_tool # 扣除工具偏移
q = inverse_kinematics(P_tcp) # 逆解关节角
四、常见误区与复盘
五、六个坐标系对照清单
| 坐标系 | 原点位置 | 典型轴向 | 主要用途 | 获取方式 |
|---|---|---|---|---|
| 世界坐标系 | 地面或工作台固定点 | Zw 垂直向上 | 全局统一描述 | 人为定义 |
| 基坐标系 | 机械臂底座中心 | Zb 沿底座向上 | 运动学计算根节点 | 机器人出厂定义 |
| 工具坐标系 | TCP 工具中心点 | Zt 沿工具指向 | 执行任务位姿描述 | 四点法/TCP标定 |
| 工件坐标系 | 工件基准点 | 随工件摆放确定 | 目标点相对描述 | 三点法/视觉标定 |
| 相机坐标系 | 相机光心 | Zc 沿光轴向前 | 三维视觉测量 | 相机内参模型 |
| 像素坐标系 | 图像左上角 | u 向右，v 向下 | 图像目标定位 | 图像处理输出 |
掌握这六个坐标系的定义与变换关系，是后续手眼标定、视觉伺服和抓取规划的基础。工程中建议把每个变换矩阵都显式命名并记录来源，避免在调试时把不同环节的误差混在一起。只有坐标系链路清晰，机械臂才能真正“看得准、抓得稳”。