4、二维平移与齐次坐标：为什么引入齐次坐标？用矩阵统一表示旋转和平移

好，咱们接着聊坐标变换。

前面我们讲了旋转矩阵，也讲了平移向量。但你有没有发现一个问题——旋转可以用矩阵乘法搞定，但平移却要加一个向量。这就好比你去食堂打饭，旋转是刷卡，平移是掏现金，两种支付方式混着用，特别别扭。

我刚开始做机器人控制那会儿，就吃过这个亏。写代码时旋转和平移分开处理，结果一个不小心，平移忘了加，机械臂直接撞上了工件。嗯，从那以后我就下定决心，必须找个办法把旋转和平移统一起来。

4.1 问题出在哪？

先看看我们现在的处境。

对于一个二维点 (x, y)，旋转可以写成：

[x']   [cosθ  -sinθ] [x]
[y'] = [sinθ   cosθ] [y]

平移呢？

[x']   [x]   [tx]
[y'] = [y] + [ty]

你看，一个是乘法，一个是加法。这就像你左手拿筷子右手拿勺子，虽然也能吃饭，但效率低啊。

更麻烦的是，如果你要做一连串的变换——先旋转、再平移、再旋转——代码就会变成这样：

// 先旋转
x1 = x * cosθ - y * sinθ
y1 = x * sinθ + y * cosθ

// 再平移
x2 = x1 + tx
y2 = y1 + ty

// 再旋转
x3 = x2 * cosφ - y2 * sinφ
y3 = x2 * sinφ + y2 * cosφ

这代码看着就头疼。而且每次都要记住当前是旋转还是平移，特别容易出错。

4.2 齐次坐标：一个巧妙的"升维"

那怎么解决呢？

我个人的习惯是——遇到问题先想想能不能"升维"。说白了，就是给坐标多加一个维度。

我们把二维点 (x, y) 变成三维点 (x, y, 1)。这个多出来的 1 就是齐次坐标的"齐次分量"。

你可能会问：这不是把简单问题搞复杂了吗？

别急，看看效果。

现在，平移可以写成矩阵乘法了：

[x']   [1  0  tx] [x]
[y'] = [0  1  ty] [y]
[1 ]   [0  0   1] [1]

旋转也一样：

[x']   [cosθ  -sinθ  0] [x]
[y'] = [sinθ   cosθ  0] [y]
[1 ]   [0      0     1] [1]

看到了吗？现在旋转和平移都是矩阵乘法了！

4.3 为什么是"齐次"？

这个名字其实有讲究。

在齐次坐标下，点 (x, y, 1) 和 (2x, 2y, 2) 表示的是同一个二维点。因为你可以把齐次坐标除以最后一个分量，得到笛卡尔坐标：

笛卡尔坐标 (x, y) = 齐次坐标 (x*w, y*w, w) / w

当 w=1 时，就是我们最常用的形式。当 w=0 时，表示无穷远处的点——这在计算机图形学里很有用，但咱们做控制暂时用不上。

4.4 复合变换：矩阵连乘

有了齐次坐标，复合变换就变得特别优雅。

假设你要先旋转 θ 度，再平移 (tx, ty)，再旋转 φ 度。对应的变换矩阵分别是 R1、T、R2。那么总的变换矩阵就是：

M = R2 * T * R1

注意顺序！矩阵乘法不满足交换律。从右往左读：先应用 R1，再应用 T，最后应用 R2。

代码实现就简单多了：

// 定义变换矩阵
R1 = [[cosθ, -sinθ, 0],
      [sinθ,  cosθ, 0],
      [0,     0,    1]]

T = [[1, 0, tx],
     [0, 1, ty],
     [0, 0, 1]]

R2 = [[cosφ, -sinφ, 0],
      [sinφ,  cosφ, 0],
      [0,     0,    1]]

// 复合变换
M = R2 * T * R1

// 应用变换
p' = M * p

你看，所有变换都统一成了矩阵乘法。代码简洁，逻辑清晰，还不容易出错。

4.5 知识结构图

下面这张图展示了本章的核心逻辑：

4.6 避坑指南

我在实际项目中踩过几个坑，分享给你：

• 矩阵乘法顺序：我曾经把旋转和平移的顺序搞反了，结果机械臂画了个奇怪的弧线。记住：先旋转再平移，和先平移再旋转，结果完全不同。
• 齐次坐标归一化：有些库返回的齐次坐标 w 分量不是 1，记得手动归一化。我见过有人直接用 w=2 的坐标做运算，结果点全跑偏了。
• 浮点数精度：多次矩阵连乘后，误差会累积。我建议每做几次变换就重新归一化一次，保证 w=1。

4.7 小结

齐次坐标是坐标变换中的一个经典技巧。它通过增加一个维度，把旋转和平移统一成了矩阵乘法。这样一来，复合变换就变成了矩阵连乘，代码实现简单，逻辑清晰，不容易出错。

我个人觉得，这是控制入门必须掌握的一个思想。后面我们会看到，三维空间的变换也是同样的套路——用 4x4 的齐次矩阵统一表示旋转和平移。

好了，这一章就到这里。记住：遇到不统一的操作，试试升维，往往有奇效。