坐标变换基础：从欧几里得空间到仿射空间
大家好，我是老张。今天咱们聊聊坐标变换这件事。
说实话，我刚入行那会儿，觉得坐标变换就是个数学游戏。不就是把点从A坐标系挪到B坐标系嘛，有什么难的？直到我在一个机器人抓取项目里栽了跟头——明明仿真里跑得好好的，一到实际产线就偏了3毫米。后来才发现，问题出在我对变换的理解太浅了。
嗯，咱们从头捋一遍。
欧几里得空间：我们熟悉的那个世界
你想想看，我们从小学习的几何，其实都是欧几里得空间里的东西。两条平行线永不相交，三角形内角和180度，这些规则我们太熟悉了。
在控制领域，欧几里得空间就是我们默认的坐标系。比如一个机械臂的末端位置，用(x, y, z)三个数就能描述。我习惯把这种空间叫做「朴素空间」——它简单、直观，但有个致命问题。
什么问题？
欧几里得空间里，原点是有特殊地位的。所有点的坐标都是相对于原点说的。但实际工程中，谁规定原点必须在那个位置？
核心矛盾：欧几里得空间假设存在一个「绝对原点」，但现实世界里的坐标系都是人为定义的。换个相机、换个基座，原点就变了。
仿射空间：更贴近现实的模型
仿射空间是什么？说白了，它把「点」和「向量」分开了。
- 点：就是空间里的一个位置，没有方向，没有大小
- 向量：有方向有大小，表示从一个点到另一个点的位移
在仿射空间里，原点不再特殊。你可以把原点放在任何地方，点与点之间的关系（向量）保持不变。这太重要了——我在做多传感器融合时，每个传感器都有自己的原点，但描述的是同一个物理世界。
我的经验：做视觉引导抓取时，相机坐标系、机器人基坐标系、工具坐标系，每个都有自己的原点。用仿射变换来处理，比硬算欧几里得坐标省心十倍。
为什么需要变换？三个真实场景
我遇到过不少新手问：既然仿射空间这么好，为什么还要学变换？
原因很简单：你没法让所有设备用同一个坐标系。
- 传感器融合：激光雷达和摄像头装在不同位置，它们的测量值必须变换到同一个坐标系下才能融合
- 运动规划：机械臂的关节角度是内部坐标，但目标位置是世界坐标，不做变换没法规划路径
- 标定补偿：我曾经调试一个视觉系统，发现相机安装有0.5度的倾斜。不做坐标变换补偿，抓取精度永远上不去
避坑指南：我曾经犯过一个低级错误——把旋转矩阵和平移向量搞反了顺序。记住：先旋转，后平移。顺序错了，结果天差地别。
变换的数学本质
咱们用最简单的2D情况来说明。假设有个点P，在坐标系A中的坐标是(x_a, y_a)，在坐标系B中的坐标是(x_b, y_b)。
变换公式长这样：
P_b = R * P_a + T其中R是旋转矩阵，T是平移向量。
但这里有个坑——如果变换链很长（比如从相机到工具，再到世界），每次都要写R和T，很麻烦。所以工程上常用齐次坐标：
| P_b | = | R T | * | P_a |
| 1 | | 0 1 | | 1 |这样就把旋转和平移合并成一个4x4矩阵了。我个人习惯用这种形式，因为矩阵乘法可以链式组合，代码写起来也干净。
一张图看懂本章核心
下面这张SVG图，是我自己画的。它展示了从欧几里得空间到仿射空间的演变，以及变换在其中的作用。
实际工程中的选择
那么问题来了：什么时候用欧几里得，什么时候用仿射？
| 场景 | 推荐空间 | 原因 |
|---|---|---|
| 单传感器内部计算 | 欧几里得 | 简单，计算量小 |
| 多传感器融合 | 仿射 | 原点不同，需要统一 |
| 运动学正解 | 欧几里得 | 关节角度直接对应坐标 |
| 手眼标定 | 仿射 | 相机和机器人原点不同 |
我的建议：如果你刚开始做控制，先用欧几里得空间理解问题。等遇到坐标系冲突了，再切换到仿射空间。别一上来就搞齐次坐标，容易把自己绕晕。
好了，这一章就到这里。记住一句话：变换不是数学游戏，是解决工程问题的工具。下一章咱们会深入旋转矩阵和四元数，那才是真正考验人的地方。