运动学基础：位置、姿态、关节空间与笛卡尔空间，齐次变换矩阵，正逆运动学简介

在PTP点位加减速与轨迹规划算法中，运动学是连接机器人机械结构与控制算法的数学桥梁。无论是规划关节空间中的点到点运动，还是在笛卡尔空间中生成连续路径，都必须首先明确如何描述机器人末端执行器的位置与姿态、如何在不同坐标系之间进行变换，以及如何将关节角度映射为末端位姿（正运动学）或将末端位姿映射为关节角度（逆运动学）。本章将系统梳理这些基础概念，为后续的加减速曲线设计和轨迹插补算法奠定严格的数学基础。

2.1 位置与姿态的数学描述

机器人的末端执行器在三维空间中的完整状态由位置和姿态两部分组成，合称为位姿。位置描述的是末端参考点在空间中的坐标，通常用3×1的列向量 p = [x, y, z]ᵀ 表示，其参考坐标系可以是基座坐标系、工具坐标系或用户自定义的工作坐标系。姿态则描述末端坐标系相对于参考坐标系的旋转关系，最常用的表示方法包括旋转矩阵、欧拉角和四元数。

旋转矩阵 R 是一个3×3的正交矩阵，满足 RᵀR = I 且 det(R) = +1。其三个列向量分别表示末端坐标系各轴在参考坐标系中的方向余弦。虽然旋转矩阵在数学上无奇异问题，但9个元素存在6个约束，不适合直接作为优化变量。欧拉角（如RPY角）用三个角度描述旋转，直观但存在万向锁问题。四元数用四个参数描述旋转，无奇异且插值平滑，在轨迹规划中应用广泛。

2.2 关节空间与笛卡尔空间

关节空间是描述机器人各关节变量的空间，对于六轴串联机器人，关节空间为六维向量 q = [q₁, q₂, q₃, q₄, q₅, q₆]ᵀ，每个分量对应一个关节的角度（旋转关节）或位移（移动关节）。关节空间的维度等于机器人的自由度，且关节变量之间相互独立，不存在耦合约束。PTP（点到点）运动的核心特征就是直接在关节空间规划轨迹，每个关节独立执行加减速曲线，因此计算简单、实时性好。

笛卡尔空间（任务空间）描述的是末端执行器在三维空间中的位姿，包含3个位置自由度和3个姿态自由度。在笛卡尔空间中规划轨迹时，末端路径直观可控，但需要实时求解逆运动学，计算量大且可能遇到奇异位形。两种空间的本质区别在于：关节空间规划不关心末端路径形状，只保证起点和终点的位姿准确；笛卡尔空间规划则严格约束末端路径，但关节运动可能不平稳。

2.3 齐次变换矩阵

齐次变换矩阵是机器人运动学中最核心的数学工具，它将旋转和平移统一在一个4×4矩阵中，形式为：

T = [ R₃ₓ₃   p₃ₓ₁ ]
    [ 0₁ₓ₃    1   ]

其中 R 为旋转矩阵，p 为位置向量。齐次变换矩阵具有以下重要性质：

1. 复合变换：T₁₂ · T₂₃ = T₁₃，表示从坐标系3到坐标系1的变换可以通过中间坐标系2级联得到。
2. 逆变换：T⁻¹ = [Rᵀ -Rᵀp; 0 1]，用于反向坐标变换。
3. 刚体变换：保持点间距离和角度不变，适用于描述机器人连杆间的刚性连接。

在机器人运动学中，每个连杆坐标系相对于前一连杆坐标系的变换矩阵称为A矩阵（Denavit-Hartenberg参数矩阵）。将各连杆的A矩阵依次相乘，即可得到末端坐标系相对于基座坐标系的齐次变换矩阵：T₀ₙ = A₁ · A₂ · ... · Aₙ。这一过程就是正运动学的核心计算。

2.4 正运动学与逆运动学

正运动学（Forward Kinematics, FK）是已知各关节变量 q，求解末端位姿 T 的过程。对于六轴串联机器人，正运动学有唯一解，计算过程为将六个DH变换矩阵依次相乘。正运动学计算量小（约几十次浮点运算），且不存在多解问题，因此常用于实时仿真、碰撞检测和可视化。

逆运动学（Inverse Kinematics, IK）是已知末端目标位姿 T，求解满足条件的关节变量 q 的过程。逆运动学具有以下特点：

• 多解性：同一末端位姿可能对应多组关节角度（如肘上/肘下、腕部翻转等），需要根据关节限位、避障和能耗选择最优解。
• 奇异位形：当机器人处于某些特殊位形时，雅可比矩阵降秩，导致末端在某些方向失去自由度，逆运动学无解或解不连续。
• 求解方法：解析法（适用于满足Pieper准则的机器人，即相邻三轴交于一点）和数值迭代法（如牛顿-拉夫森法、雅可比伪逆法）。

2.5 案例拆解：六轴机器人PTP运动中的坐标变换

以典型的六轴关节机器人为例，其DH参数如表所示（简化示例）：

场景描述：机器人需要从初始关节角 q_init = [0°, 30°, -60°, 0°, 90°, 0°] 运动到目标关节角 q_target = [45°, -20°, -30°, 15°, 60°, 30°]，执行PTP运动。在规划前，需要验证目标位姿是否在可达工作空间内，并检查路径是否经过奇异点。

分析过程：

1. 使用正运动学计算 q_init 对应的末端位姿 T_init 和 q_target 对应的 T_target。
2. 检查 T_target 的位置分量是否在机器人工作空间半径范围内（本例中最大半径约为 600+120+600 = 1320mm）。
3. 计算雅可比矩阵在路径中间点的行列式，若 det(J) ≈ 0，则存在奇异风险。
4. 若奇异风险存在，可在关节空间规划中增加中间过渡点，或调整目标姿态。

结果与复盘：通过正运动学验证，目标位姿可达。在关节空间规划中，各关节独立生成S曲线，总运动时间由最大关节行程决定（本例中关节1行程45°最大）。实际运行中，末端路径虽然不可控，但各关节运动平稳，无奇异问题。若改为笛卡尔空间PTP，则需在插补点实时求解逆运动学，计算量增加约5倍，且需额外处理多解选择和奇异回避。