2、TF树的基本概念：坐标系、父子关系、坐标变换矩阵

说实话，刚接触TF的时候，我也被那一堆坐标系绕得头晕。但后来我发现，只要抓住三个核心——坐标系、父子关系、变换矩阵——整个TF树就清晰了。这一章，我就带你把这几个基础啃透。

2.1 坐标系 —— 机器人的“世界观”

每个坐标系就是一个参考点，带着自己的X、Y、Z轴。你可以把它想象成机器人身上的“标签”：激光雷达有一个坐标系，底盘有一个，摄像头也有一个。我习惯把坐标系看作“独立的观察者”，每个传感器都在自己的小世界里测量数据。

举个例子：激光雷达检测到前方1米有障碍物，这个“前方1米”是相对于激光雷达自己的坐标系说的。但机器人底盘想知道这个障碍物在它的坐标系里在哪，就得靠TF来转换。

2.2 父子关系 —— 谁是谁的“爹”

TF树里，坐标系不是平级的，而是构成一棵树。每个坐标系有且只有一个父坐标系，但可以有多个子坐标系。这种父子关系定义了变换的传递路径。

我记得有一次调试AGV，发现激光数据总是跳变。查了半天，原来是有人把 laser 的父坐标系设成了 map，而不是 base_link。这一下子就破坏了树的结构，导致变换链混乱。

• 父坐标系：提供全局或局部的参考基准，比如 base_link 通常是机器人的根节点。
• 子坐标系：依附于父坐标系，比如 laser_frame 是 base_link 的子坐标系。
• 变换方向：从子到父，或者从父到子，通过变换矩阵描述。

2.3 坐标变换矩阵 —— 数学翻译官

说白了，变换矩阵就是一个4x4的齐次矩阵，它把点从一个坐标系“翻译”到另一个坐标系。矩阵里包含了旋转（3x3）和平移（3x1）。

你想想看，如果激光雷达测到一个点 (0.5, 0, 0.3)，而雷达安装在底盘前方0.2米、偏左0.1米，那这个点在底盘坐标系里是多少？变换矩阵就是干这个的。

# 一个典型的变换矩阵 (4x4 齐次)
[ R11  R12  R13  Tx ]
[ R21  R22  R23  Ty ]
[ R31  R32  R33  Tz ]
[  0    0    0    1  ]

在ROS里，我们通常用 geometry_msgs/TransformStamped 消息来传递变换。我个人觉得，理解变换矩阵的关键是分清“旋转”和“平移”两部分。旋转用四元数或欧拉角表示，平移就是三个轴的偏移量。

2.4 变换矩阵的“链式法则”

TF树最妙的地方在于：你可以通过连续乘变换矩阵，把任意一个坐标系里的点转换到另一个坐标系。比如从 laser_frame 到 map，只需要沿着树往上走到根节点，把路径上的变换矩阵乘起来。

我经常跟团队里的人说：“TF树就是一张关系网，矩阵乘法就是你的导航。” 实际写代码时，你不需要手动乘矩阵，直接用 tf2::Buffer::transform() 就行。但理解背后的原理，能帮你快速定位问题。

2.5 实战中常见的坐标系设计模式

我参与过几个移动机器人项目，总结下来，大部分机器人的TF树都长得很像：

坐标系	父坐标系	说明
map	无 (根)	全局地图坐标系，通常固定
odom	map	里程计坐标系，随机器人移动漂移
base_link	odom	机器人本体中心，通常位于底盘
laser_frame	base_link	激光雷达安装位置
camera_frame	base_link	视觉传感器安装位置

当然，你也可以根据需求调整。比如有的机器人把 odom 作为根节点，不连接 map。但记住：树不能有环，否则TF会报错。

好了，这一章的内容就是这些。坐标系、父子关系、变换矩阵，这三者构成了TF树的骨架。