📚 课程目录第2章坐标系与位姿描述

2. 坐标系与位姿描述：刚体在空间中的描述、齐次变换矩阵、欧拉角与四元数

各位同学，咱们今天聊点硬核的。坐标系与位姿描述，说白了就是回答三个问题：“它在哪里？”、“它朝哪看？”、“我怎么从A走到B？”。

我刚开始做机器人那会儿，觉得这玩意儿不就是高中数学里的向量嘛。直到第一次调试六轴机械臂，发现末端执行器死活对不准目标点……嗯，从那以后我才真正明白，位姿描述不准确，后面所有的运动规划都是空中楼阁。

  核心观点： 刚体在空间中的完整状态 = 位置（3个自由度）+ 姿态（3个自由度）= 6自由度。任何运动规划，第一步就是把这6个自由度说清楚。

刚体，你可以想象成一块“不会变形的铁疙瘩”。它在空间里怎么表示？

我个人习惯把姿态想象成“把参考系掰弯成刚体坐标系”的过程。这个“掰弯”的过程，就是旋转矩阵。

举个例子，一个坐标系 {B} 相对于 {A} 的姿态，可以用一个 3x3 的旋转矩阵 ^A_BR 来表示。矩阵的每一列，其实就是 {B} 的坐标轴在 {A} 中的投影。

// 旋转矩阵示例：绕Z轴旋转θ角
R_z(θ) = | cosθ  -sinθ  0 |
         | sinθ   cosθ  0 |
         | 0      0     1  |

实战小技巧： 我在项目中经常用旋转矩阵做坐标变换。但要注意，旋转矩阵有9个元素，却只有3个自由度，所以它必须满足正交性（R^TR = I）。如果你手算的矩阵不满足这个条件，那一定是算错了。

旋转矩阵只能描述姿态，不能描述位置。那怎么办？把旋转和位移打包在一起，就是齐次变换矩阵。

齐次变换矩阵是一个 4x4 的方阵，长这样：

T = | R   p |
    | 0   1 |

其中：
R：3x3 旋转矩阵
p：3x1 位置向量
0：1x3 零向量
1：标量 1

为什么要加个“1”？说白了就是为了把旋转和位移统一成一次矩阵乘法。你想想看，如果只用 3x3 矩阵，你没法处理平移。齐次坐标（加一维）让这个问题变得优雅。

我记得有一次做多轴联动插补，需要把工具坐标系下的力传感器数据转换到基坐标系。如果没有齐次变换矩阵，你得先旋转再平移，步骤繁琐还容易出错。用齐次矩阵，一次乘法搞定。

避坑指南： 我曾经在串联机器人运动学标定中，因为齐次变换矩阵的乘法顺序搞反了，导致标定结果差了10毫米。记住：左乘表示相对于固定坐标系变换，右乘表示相对于当前坐标系变换。这个顺序错了，整个运动学链就崩了。

旋转矩阵虽然数学上严谨，但人看着头疼。你想想看，9个数字，谁能一眼看出机器人转了多少度？所以工程上更常用欧拉角。

欧拉角的核心思想：三次绕坐标轴的旋转，合成任意姿态。

常见的欧拉角约定有：

这里有个大坑——万向锁。当第二次旋转达到 ±90° 时，第一次和第三次旋转的轴会重合，导致丢失一个自由度。我在做六轴机器人奇异点规避时，就吃过这个亏。当时机器人姿态突然“抽搐”，就是因为欧拉角表示遇到了万向锁。

  我的建议： 欧拉角适合给人看、做界面交互，但不适合做插补和连续运动。如果你要做轨迹平滑，请用四元数。

四元数，听起来玄乎，其实就是一个“带约束的复数升级版”。它用四个数表示旋转：

q = w + xi + yj + zk

其中：
w：实部（标量部分）
x, y, z：虚部（向量部分）
约束：w² + x² + y² + z² = 1

为什么用四元数？三个理由：

我记得有一次做协作机器人的拖动示教，需要实时记录操作者拖动的姿态轨迹。如果用欧拉角，稍微转得快一点就出现跳变。换成四元数后，数据平滑得像丝绸一样。

实战口诀： 四元数乘法不满足交换律，顺序很重要。q1 * q2 表示先转 q2 再转 q1。这个和矩阵乘法一样，别搞反了。

下面这张图，把本章的核心逻辑串起来了。你仔细看一遍，就能明白这些概念之间的关系。

最后，我根据多年项目经验，给你一个选型对照表。不同场景用不同表示方法，别死磕一种。

再次提醒： 我曾经在一个项目中，因为偷懒直接用欧拉角做插补，结果在奇异点附近机器人剧烈抖动，差点撞坏夹具。从那以后，凡是涉及连续运动的轨迹规划，我一律用四元数。这个习惯，救了我很多次。

好了，这一章的内容就到这里。坐标系和位姿描述是运动规划的基石，你花时间把它吃透，后面学轨迹插补、避障算法会轻松很多。记住：基础不牢，地动山摇。