4、坐标变换基础：TF2库详解、静态与动态坐标变换、传感器外参标定原理（手眼标定）

各位同学，欢迎来到第四章。这一章我们聊点硬核的——坐标变换。

说实话，做多传感器融合，最头疼的往往不是算法本身，而是「这个传感器看到的东西，在另一个传感器眼里到底在哪？」。你想想看，激光雷达扫到的点云，和摄像头拍到的像素，它们之间差了十万八千里。怎么对齐？靠的就是坐标变换。

我个人习惯把坐标变换比作「翻译官」。每个传感器都有自己的语言（坐标系），TF2 就是那个能把这些语言无缝翻译成通用语（机器人基座标系或世界坐标系）的工具。今天，我们就把它彻底搞明白。

4.1 TF2 库：机器人界的「GPS」

TF2 是 ROS2 中负责坐标变换的核心库。它的工作很简单：维护一棵「TF 树」，树上的每个节点代表一个坐标系，每条边代表两个坐标系之间的变换关系（平移 + 旋转）。

我记得刚接触 TF2 时，总觉得它很玄乎。后来我把它理解成一个「全局字典」——你随时可以查：lookupTransform("base_link", "laser_frame")，它就能告诉你激光雷达坐标系相对于机器人基座标系的位置和姿态。

4.1.1 核心 API 速览

TF2 的接口设计得很清爽。你只需要掌握三个角色：

• 广播器 (Broadcaster)：负责发布坐标系之间的变换关系。比如「激光雷达相对于机器人基座标系的位置」。
• 监听器 (Listener)：负责接收并缓存所有变换数据。你只需要调用 lookupTransform() 就能拿到任意两个坐标系之间的变换。
• 缓冲器 (Buffer)：监听器内部维护的一个缓存区，默认保存 10 秒内的所有变换数据。

来看一个最简单的静态变换发布示例：

// C++ 示例：发布一个静态变换
#include "tf2_ros/static_transform_broadcaster.h"

geometry_msgs::msg::TransformStamped t;
t.header.stamp = this->get_clock()->now();
t.header.frame_id = "base_link";
t.child_frame_id = "laser_frame";
t.transform.translation.x = 0.2;
t.transform.translation.y = 0.0;
t.transform.translation.z = 0.1;
t.transform.rotation.w = 1.0;  // 无旋转

static_broadcaster_->sendTransform(t);

这段代码干了什么？它告诉整个系统：「激光雷达安装在机器人前方 0.2 米、上方 0.1 米处，没有旋转。」就这么简单。

4.2 静态变换 vs 动态变换

这两个概念，说白了就是「固定关系」和「变化关系」的区别。

4.2.1 静态变换

传感器安装在机器人上之后，只要不拆下来，它们之间的相对位置就是固定的。比如激光雷达和机器人基座标系之间的关系，装好之后就不会变了。这种场景用 StaticTransformBroadcaster，发布一次就够了。

在 ROS2 中，静态变换还有一个更优雅的方式——写在 URDF 文件里，或者用 tf2_ros::StaticTransformBroadcaster 节点在启动时一次性发布。我个人更推荐写在 URDF 里，因为这样整个机器人的结构一目了然。

4.2.2 动态变换

动态变换就复杂一些。比如机械臂的末端执行器相对于基座标系的位置，随着机械臂的运动每时每刻都在变化。这时候就需要用 TransformBroadcaster，在每个控制周期里重新发布变换。

// 动态变换发布示例（在控制循环中调用）
void publish_endeffector_transform() {
    geometry_msgs::msg::TransformStamped t;
    t.header.stamp = this->get_clock()->now();
    t.header.frame_id = "base_link";
    t.child_frame_id = "tool0";
    
    // 从关节状态计算当前末端位姿
    t.transform.translation = current_pose_.position;
    t.transform.rotation = current_pose_.orientation;
    
    broadcaster_->sendTransform(t);
}

你想想看，如果这里用了静态变换，那机械臂动起来之后，所有依赖末端坐标系的算法（比如视觉抓取）就全乱套了。所以，选对类型很重要。

4.3 传感器外参标定原理：手眼标定

好了，前面都是铺垫。真正让很多工程师头疼的，是「外参标定」——也就是确定传感器之间的相对位姿。

为什么需要标定？因为理论安装位置和实际位置总有偏差。你量出来激光雷达装在机器人前方 0.2 米，但实际装的时候可能偏了 2 毫米，角度偏了 0.5 度。对于高精度应用来说，这点误差足以让融合结果一塌糊涂。

4.3.1 手眼标定的两种模式

「手眼标定」这个名字来源于机器人视觉领域。这里的「手」是机械臂，「眼」是相机。根据相机安装位置不同，分为两种：

模式	英文名称	求解目标	典型场景
眼在手上	Eye-in-Hand	相机 → 机械臂末端	机械臂抓取、视觉伺服
眼在手外	Eye-to-Hand	相机 → 机器人基座	固定视觉检测、质量检测

这两种模式的核心思想是一样的：通过移动机械臂到多个不同姿态，拍摄标定板，然后利用多组对应关系求解出未知的变换矩阵。

4.3.2 数学原理简述

手眼标定的核心方程是：

AX = XB

别被这个公式吓到。我来解释一下：

• A：机械臂末端在两次运动之间的变换（从关节编码器可以读到）
• B：相机在两次运动之间看到的标定板的变换（从图像可以算出来）
• X：我们要求解的「手眼矩阵」——相机相对于机械臂末端的位姿

为什么是 AX = XB？因为标定板相对于机器人基座标系的位置是固定的。机械臂动两次，末端和相机各自的变化量必须满足这个约束关系。说白了，就是「同一个物理量，用两种方式表达，结果必须一致」。

4.3.3 实操建议

如果你在 ROS2 中做手眼标定，我推荐以下流程：

1. 准备标定板：用棋盘格或 AprilTag，打印后贴在刚性平面上。
2. 采集数据：控制机械臂走 15-20 个不同的姿态。注意，姿态要覆盖不同的角度和距离，不要只在一个平面内转。
3. 求解：使用 easy_handeye 或 visp_hand2eye_calibration 包。
4. 验证：标定完成后，让机械臂走到一个已知位置，用相机测量结果和实际位置对比。误差在 1-2 毫米以内算合格。

# 使用 easy_handeye 的典型命令行
ros2 launch easy_handeye handeye_calibration.launch.py
# 然后按照 GUI 提示，移动机械臂并采集数据
# 采集完成后，点击 "Compute" 得到标定结果

4.4 本章小结

坐标变换是机器人感知的基石。没有它，激光雷达的点云和摄像头的图像就是两本「天书」，谁也看不懂谁。TF2 帮我们管理这些变换关系，静态变换处理固定安装的传感器，动态变换处理运动部件。而手眼标定，则是让这些变换关系从「理论值」变成「真值」的关键一步。

我个人觉得，学坐标变换最好的方法就是动手。搭一个简单的机器人模型，发布几个 TF，然后用 tf2_echo 和 rviz2 看看效果。当你亲眼看到坐标系在 rviz 里正确地动起来时，那种成就感，嗯，很爽。