1. 机器人运动学基础：刚体在空间中的位姿描述、旋转矩阵与齐次变换矩阵
各位同学，咱们今天聊点实在的。机器人运动学，说白了就是回答两个问题：「我的机械臂末端在哪儿？」和「它朝哪个方向？」。你想想看，如果连这两个基本问题都答不上来，后面的轨迹规划、关节控制根本无从谈起。
我个人习惯把运动学比作「给机器人写地址」。你不仅要告诉它门牌号（位置），还得告诉它朝向哪边（姿态）。这两者合在一起，就是刚体的位姿。
核心概念：位姿 = 位置 + 姿态。位置用坐标表示，姿态用旋转矩阵表示。两者合体，就是齐次变换矩阵。
1.1 刚体在空间中的位姿描述
什么叫刚体？就是受力不变形的理想物体。咱们的机器人连杆、末端执行器，都可以近似看作刚体。
描述一个刚体在空间中的状态，需要6个自由度：3个平移 + 3个旋转。我在项目中遇到过不少新手，只关心末端位置，忽略了姿态，结果机器人撞了工件——嗯，那场面挺尴尬的。
举个例子：你让机器人去抓一个杯子。光知道杯子在坐标(0.5, 0.3, 0.2)是不够的。杯口朝上还是朝左？把手朝哪个方向？这些就是姿态信息。
所以，我们用一个位置矢量描述平移，用一个旋转矩阵描述姿态。两者组合，就是完整的位姿描述。
| 描述对象 | 数学工具 | 自由度 | 物理含义 |
|---|---|---|---|
| 位置 | 3×1 列向量 | 3 | 刚体上某点相对于参考系的空间坐标 |
| 姿态 | 3×3 旋转矩阵 | 3 | 刚体坐标系相对于参考系的指向 |
| 位姿 | 4×4 齐次变换矩阵 | 6 | 位置+姿态的紧凑表达 |
1.2 旋转矩阵：姿态的数学语言
旋转矩阵，我愿称之为「机器人学里最优雅的发明」。它用3×3的矩阵，把三维空间里的旋转表达得干干净净。
旋转矩阵 R 的每一列，代表刚体坐标系的基向量在参考坐标系下的投影。说白了，就是你把刚体坐标系的三根轴，分别投影到世界坐标系的三根轴上，得到9个数字，排成3×3的方阵。
旋转矩阵有两个重要性质：
- 正交性：RTR = I，即矩阵的逆等于它的转置。这意味着旋转不会拉伸或扭曲物体。
- 行列式为+1：保证是右手系，不会把物体镜像翻转。
我的小技巧：验证一个矩阵是不是合法的旋转矩阵，直接算 RTR 和 det(R)。如果结果不是单位阵和+1，那肯定有问题。我曾经在调试视觉引导抓取时，发现旋转矩阵不满足正交性，结果发现是标定数据录入时少了个负号——这种坑，踩过一次就记住了。
常见的旋转矩阵有三种基本形式：绕X轴、绕Y轴、绕Z轴旋转θ角度。
// 绕Z轴旋转θ角
R_z(θ) = [
[cosθ, -sinθ, 0],
[sinθ, cosθ, 0],
[0, 0, 1]
]
// 绕X轴旋转θ角
R_x(θ) = [
[1, 0, 0 ],
[0, cosθ, -sinθ ],
[0, sinθ, cosθ ]
]
// 绕Y轴旋转θ角
R_y(θ) = [
[ cosθ, 0, sinθ ],
[ 0, 1, 0 ],
[-sinθ, 0, cosθ ]
]你可能会问：为什么绕Y轴的sinθ前面有个负号？嗯，这是右手定则决定的。你伸出右手，拇指指向Y轴正方向，四指弯曲的方向就是正旋转方向。绕Y轴旋转时，X和Z轴的变换方向跟绕Z轴时不一样，所以符号会有差异。
1.3 齐次变换矩阵：位置与姿态的统一
旋转矩阵只能描述姿态，不能描述位置。那怎么办？把位置和姿态塞进一个4×4的矩阵里——这就是齐次变换矩阵。
它的形式很简单：
T = [
[R(3×3), p(3×1)],
[0 0 0, 1 ]
]左上角3×3是旋转矩阵，右上角3×1是位置矢量，最后一行是[0 0 0 1]——这个固定结构保证了矩阵运算的封闭性。
为什么叫「齐次」？因为我们在三维坐标后面加了一个1，变成了齐次坐标。这样，旋转和平移就可以用一次矩阵乘法搞定。
避坑指南：我曾经在写运动学正解代码时，忘记把齐次坐标的最后一个分量归一化。结果算出来的位置坐标全都不对，排查了整整一个下午。记住：齐次坐标 [x, y, z, w] 转成笛卡尔坐标是 [x/w, y/w, z/w]。w通常为1，但经过多次变换后w可能不再是1。
齐次变换矩阵的逆矩阵也有简洁形式：
T^(-1) = [
[R^T, -R^T * p],
[0 0 0, 1 ]
]这个公式很实用。比如你已知末端相对于基座的变换矩阵，想求基座相对于末端的变换，直接求逆就行。
1.4 知识体系总览
下面这张图，把本章的核心逻辑串起来了。我建议你多看几遍，建立整体认知。
1.5 实战中的注意事项
理论讲完了，聊点实际的。我在做机器人标定时，遇到过几个典型问题：
- 旋转矩阵的累积误差：多次旋转后，矩阵会因浮点运算偏离正交性。我建议每隔一段时间做一次正交化处理。
- 坐标系约定要统一：不同厂家、不同软件可能使用不同的坐标系约定（比如Z轴向上还是Y轴向上）。不统一的话，数据交换时很容易出问题。
- 齐次变换矩阵的维度：4×4矩阵虽然好用，但存储和传输时比3×4多了一行。在嵌入式系统里，如果内存紧张，可以考虑只存旋转矩阵和平移向量，需要时再组装。
个人习惯：我在写运动学库时，会把齐次变换矩阵封装成一个类，提供乘法和求逆方法。这样上层代码只需要调用 T1 * T2 就能完成变换链，清爽又不容易出错。
好了，这一章的内容就到这里。旋转矩阵和齐次变换矩阵是机器人学的基石，后面的运动学正解、逆解、雅可比矩阵，全都建立在这个基础之上。你把这些搞透了，后面的路就好走了。