2. 数学基础：向量、矩阵、旋转矩阵、齐次变换矩阵、刚体姿态描述（欧拉角、四元数）及其在机器人学中的应用

工业机器人运动控制的本质，是在三维空间中精确描述工具（末端执行器）的位置与姿态，并规划其随时间变化的轨迹。无论是正运动学求解、逆运动学迭代，还是速度与力控制，其底层数学语言都统一为线性代数与刚体变换理论。本章将系统梳理从基础向量运算到齐次变换矩阵的完整知识链条，并深入解析欧拉角与四元数在姿态描述中的工程取舍，为后续章节的DH参数建模与轨迹插补奠定坚实的数学基础。

2.1 向量与矩阵：机器人学中的基本代数工具

核心原理

在机器人学中，向量用于表示三维空间中的点、位移、速度、力等物理量。一个空间点 p 在基坐标系 {A} 中的位置可表示为 p = [p_x, p_y, p_z]^T。向量的点积（内积）用于计算投影与夹角，叉积（外积）用于构造法向量与力矩。矩阵则用于表示线性映射，例如旋转矩阵将向量从一个坐标系变换到另一个坐标系。矩阵的乘法满足结合律但不满足交换律，这直接对应了旋转顺序的不可交换性。

判断方法或操作流程

在工程应用中，需要快速判断向量与矩阵运算的合法性：

• 维度匹配：矩阵乘法 A(m×n) × B(n×p) 要求 A 的列数等于 B 的行数，结果维度为 m×p。
• 叉积方向：a × b 的结果向量垂直于 a 与 b 所在平面，方向由右手定则确定。
• 矩阵转置：对于旋转矩阵 R，R^T = R^-1，利用该性质可快速求逆。

案例拆解或实战场景

考虑一个六轴关节型机器人，其基座坐标系原点位于安装面中心。当我们需要计算末端工具在基座坐标系下的位置时，首先将各关节的旋转矩阵与平移向量依次相乘。例如，从关节1到关节2的变换涉及绕z轴旋转θ₁，再沿新x轴平移a₁。这一过程可表示为 T₁ = Rot(z, θ₁) × Trans(a₁, 0, 0)。通过连续矩阵乘法，最终得到末端位姿矩阵 T₀₆ = T₀₁ × T₁₂ × ... × T₅₆。

常见误区或总结复盘

2.2 旋转矩阵：姿态描述的核心载体

核心原理

旋转矩阵 R ∈ SO(3) 是一个3×3正交矩阵，满足 R^TR = I 且 det(R) = +1。其列向量表示旋转后坐标系各轴在原坐标系中的方向余弦。旋转矩阵的9个元素并非独立，而是受到6个正交约束的限制，因此实际自由度为3。旋转矩阵的乘法对应旋转的复合，但顺序敏感。例如，R = R_z(α) · R_y(β) · R_x(γ) 表示先绕x轴转γ，再绕新y轴转β，最后绕新z轴转α。

判断方法或操作流程

验证一个矩阵是否为合法旋转矩阵的步骤：

1. 检查矩阵是否为方阵且维度为3×3。
2. 计算 R^TR，结果应为单位矩阵（允许微小数值误差）。
3. 计算行列式 det(R)，结果应为+1（若为-1则包含反射，非法）。
4. 检查列向量是否两两正交且模长为1。

案例拆解或实战场景

以SCARA机器人（平面关节型）为例，其末端姿态仅涉及绕z轴的旋转。此时旋转矩阵简化为：

R = | cosθ  -sinθ  0 |
    | sinθ   cosθ  0 |
    |  0      0     1 |

在轨迹规划中，若需要从当前姿态 R_cur 插补到目标姿态 R_goal，可先计算相对旋转 R_rel = R_cur^T · R_goal，再将其分解为等效旋转轴与角度，进行线性插值。

常见误区或总结复盘

2.3 齐次变换矩阵：统一位置与姿态的数学工具

核心原理

齐次变换矩阵 T ∈ SE(3) 是一个4×4矩阵，其结构为：

T = | R   p |
    | 0   1 |

其中 R 为3×3旋转矩阵，p 为3×1平移向量。齐次变换矩阵将旋转与平移统一为一次矩阵乘法，使得复合变换 T_AC = T_AB · T_BC 可以直接计算。其逆变换为 T^-1 = | R^T -R^Tp |，避免了单独求逆的复杂运算。

判断方法或操作流程

构建齐次变换矩阵的流程：

1. 确定当前坐标系相对于参考坐标系的旋转矩阵 R。
2. 确定当前坐标系原点在参考坐标系中的位置向量 p。
3. 组合为4×4矩阵，最后一行固定为 [0 0 0 1]。
4. 验证：将齐次坐标点 [x, y, z, 1]^T 左乘 T，得到变换后的坐标。

案例拆解或实战场景

在视觉引导的抓取任务中，相机坐标系 {C} 与机器人基坐标系 {B} 之间的变换 T_BC 通过手眼标定获得。当视觉系统检测到目标物体在相机坐标系下的位姿 T_CO 时，机器人需要移动到的目标位姿为 T_BO = T_BC · T_CO。这一计算在每帧视觉反馈中实时执行，要求矩阵乘法效率极高。实际工程中，T_BC 通常固定不变，可预先计算并缓存。

常见误区或总结复盘

2.4 欧拉角与四元数：姿态描述的工程选择

核心原理

欧拉角使用三个角度（如ZYX顺序：偏航-俯仰-滚转）描述姿态，直观但存在万向锁问题（当β=±90°时，α与γ的旋转轴重合，丢失一个自由度）。四元数 q = w + xi + yj + zk 是四维单位向量，满足 w² + x² + y² + z² = 1。四元数无奇异点，且通过球面线性插值（SLERP）可实现平滑旋转过渡。其与旋转矩阵的转换公式为：

R = | 1-2(y²+z²)   2(xy-wz)     2(xz+wy) |
    | 2(xy+wz)     1-2(x²+z²)   2(yz-wx) |
    | 2(xz-wy)     2(yz+wx)     1-2(x²+y²) |

判断方法或操作流程

选择姿态描述方式的决策依据：

案例拆解或实战场景

在焊接机器人圆弧轨迹规划中，要求焊枪姿态连续变化。若使用欧拉角插值，当经过万向锁位置时，角度突变会导致焊枪抖动。改用四元数后，通过SLERP插值：q(t) = (q₀ · sin((1-t)Ω) + q₁ · sin(tΩ)) / sin(Ω)，其中 Ω 为两四元数夹角。该插值保证旋转轴恒定，焊枪运动平稳。实际测试中，四元数插值的角速度波动比欧拉角插值降低约60%。

常见误区或总结复盘

2.5 数学基础在机器人学中的综合应用

核心原理

上述数学工具共同构成了机器人运动学的完整表达体系。正运动学通过齐次变换矩阵链计算末端位姿；逆运动学通过解析法或数值法求解关节角度；速度雅可比矩阵 J 将关节速度映射到末端笛卡尔速度，其推导依赖于旋转矩阵的导数；动力学建模（如牛顿-欧拉法）则大量使用向量叉积与矩阵运算。

判断方法或操作流程

在实际控制器中，数学库的调用流程通常为：

1. 接收关节角度传感器数据（弧度制）。
2. 计算各关节齐次变换矩阵 T_i-1,i。
3. 连乘得到末端位姿 T_0,n。
4. 提取旋转矩阵 R，转换为四元数用于轨迹插值。
5. 插值完成后，将四元数转回旋转矩阵，再结合平移向量生成新的 T_0,n。
6. 通过逆运动学求解关节角度，下发至伺服驱动器。

案例拆解或实战场景

以六轴机器人直线运动为例，要求末端从点A(200, 100, 300, 姿态q_A) 直线运动到点B(400, 200, 500, 姿态q_B)。控制器将路径细分为多个插补周期（如1ms），每个周期内位置线性插值，姿态四元数SLERP插值。然后通过逆运动学计算各关节角度，并经过雅可比矩阵进行速度前馈补偿。整个过程中，齐次变换矩阵用于将插补得到的笛卡尔位姿转换到关节空间。

常见误区或总结复盘

本章所建立的数学框架是后续所有运动学与轨迹规划算法的基石。掌握向量、矩阵、旋转矩阵、齐次变换矩阵以及欧拉角与四元数的本质联系与工程取舍，是进行机器人运动控制开发的基本功。在实际项目中，建议建立统一的数学工具库，封装常用变换与转换函数，并配套完善的单元测试，以确保数值计算的正确性与实时性。