4. 平移与旋转的复合变换：把多个动作揉成一个矩阵

各位，前面我们分别聊了平移和旋转。但在实际项目中，你很少只做单一操作。比如一个机械臂抓取零件，它既要旋转关节，又要平移末端。你想想看，如果每次变换都单独算一遍，代码会写成什么样？

我个人习惯，是把所有变换“打包”成一个矩阵。说白了，就是用一个 4×4 的矩阵，同时描述“先转多少度，再移到哪”。这样不仅代码干净，实时性也高。

4.1 为什么要复合？

我记得刚入行时，做过一个视觉引导的涂胶项目。相机定位到工件后，机器人需要先旋转对准角度，再平移到涂胶起点。当时我傻乎乎地先算旋转，再算平移，结果每次都要调两个函数，还容易搞错顺序。

后来我意识到：多个变换可以合并成一个矩阵。只要把平移矩阵 T 和旋转矩阵 R 乘起来，得到一个复合矩阵 M，后面所有点都直接用 M 去变换。效率提升不是一星半点。

4.2 复合变换的数学原理

假设我们有一个点 P，先旋转 R，再平移 T。那么变换后的点 P' 为：

P' = T × (R × P) = (T × R) × P

这里 T × R 就是复合矩阵。注意：先执行的变换放在右边，后执行的放在左边。这是很多新手容易搞反的地方。

举个例子，绕 Z 轴旋转 45°，再沿 X 轴平移 5 个单位：

R_z(45°) = | cos45  -sin45  0  0 |
           | sin45   cos45  0  0 |
           | 0       0      1  0 |
           | 0       0      0  1 |

T_x(5) = | 1  0  0  5 |
         | 0  1  0  0 |
         | 0  0  1  0 |
         | 0  0  0  1 |

M = T_x(5) × R_z(45°)

这个 M 就是复合矩阵。以后任何点，只要左乘 M，就完成了“先旋转再平移”的操作。

4.3 顺序陷阱：先平移还是先旋转？

这里有个坑，我吃过亏。假设你要让一个物体绕自身中心旋转，然后移动到某个位置。正确的顺序是：先旋转，再平移。

为什么？因为旋转是相对于原点进行的。如果你先平移，物体中心不在原点了，再旋转就会绕着原点转，结果物体像卫星一样“公转”而不是“自转”。

操作顺序	矩阵表达式	效果
先旋转，再平移	M = T × R	物体自转后移动到目标位置（正确）
先平移，再旋转	M = R × T	物体绕原点公转（通常不是你要的）

4.4 复合变换的代码实现

在 Python 里，我习惯用 NumPy 来处理矩阵。下面是一个完整的例子：

import numpy as np
import math

def translation_matrix(tx, ty, tz):
    """创建平移矩阵"""
    return np.array([
        [1, 0, 0, tx],
        [0, 1, 0, ty],
        [0, 0, 1, tz],
        [0, 0, 0, 1]
    ])

def rotation_z_matrix(theta):
    """创建绕Z轴旋转矩阵"""
    c = math.cos(theta)
    s = math.sin(theta)
    return np.array([
        [c, -s, 0, 0],
        [s,  c, 0, 0],
        [0,  0, 1, 0],
        [0,  0, 0, 1]
    ])

# 定义点 P
P = np.array([1, 0, 0, 1])  # 齐次坐标

# 先旋转45°，再平移(5, 0, 0)
theta = math.radians(45)
R = rotation_z_matrix(theta)
T = translation_matrix(5, 0, 0)

# 复合矩阵：先执行的R在右边
M = T @ R

# 变换点
P_new = M @ P
print(f"变换后的点: {P_new[:3]}")

输出结果：

变换后的点: [5.70710678 0.70710678 0.        ]

你看，点 (1,0,0) 先旋转到 (0.707, 0.707, 0)，再平移到 (5.707, 0.707, 0)。完全符合预期。

4.5 复合变换的 SVG 结构图

下面这张图展示了复合变换的流程：

嗯，这里要注意：复合矩阵的乘法顺序是从右向左读。M = T × R 表示“先 R 后 T”。如果你写成 M = R × T，那就是“先 T 后 R”，效果完全不同。

4.6 实际项目中的应用

我在做机器人手眼标定时，经常用到复合变换。比如相机检测到工件位置，需要把像素坐标转换成机器人基座标系下的坐标。这中间涉及多个坐标系变换：

• 相机到机械臂末端：一个固定的旋转+平移（手眼矩阵）
• 末端到基座：根据关节角度实时变化的变换
• 基座到世界：如果机器人装在移动平台上，还有一层变换

把这些变换全部乘起来，得到一个总的复合矩阵。每次相机给出新坐标，只需要一次矩阵乘法就能得到机器人需要的目标位置。实时性杠杠的。

4.7 避坑指南

最后，分享几个我踩过的坑：

1. 齐次坐标别忘了最后一维是 1。如果你用三维向量去乘 4×4 矩阵，会报错。我习惯在点坐标后面加个 1，变成 (x, y, z, 1)。
2. 矩阵乘法用 @ 运算符，别用 *。* 是逐元素相乘，不是矩阵乘法。这个错误我见过太多次了。
3. 角度单位统一。NumPy 的三角函数默认弧度，如果你传了角度进去，结果会非常离谱。
4. 复合矩阵可以缓存。如果连续多个点用同一个变换，别每次都重新算矩阵，直接复用。