刚体运动与旋转矩阵：机器人学基础解析

1. 刚体运动基础概念

刚体运动（Rigid Body Motion）是机器人学和机构学中最基础也最重要的概念之一。简单来说，刚体运动描述的是一个物体在空间中位置和姿态的变化，同时保持其内部各点相对位置不变。理解这个概念对于后续学习机器人运动学、动力学以及控制都至关重要。

在实际应用中，我们通常需要用一个坐标系（称为参考坐标系或固定坐标系S）来描述另一个坐标系（称为物体坐标系或动坐标系B）的位置和姿态。这种描述方式在机器人学中非常常见，比如描述机械臂末端执行器相对于基座的位置和姿态。

注意：刚体运动的两个核心要素是位置（平移）和姿态（旋转），它们分别描述了物体在空间中的位置变化和方向变化。

2. 坐标系与旋转矩阵

2.1 坐标系的基本性质

在描述刚体运动时，我们使用的坐标系必须满足以下基本性质：

1. 单位向量性质：每个坐标轴的单位向量长度必须为1
2. 正交性：三个坐标轴必须两两正交
3. 右手定则：三个坐标轴必须构成右手坐标系

这些约束条件意味着，虽然一个三维坐标系看起来有9个参数（三个三维向量），但实际上由于6个约束条件（3个长度约束和3个正交约束），只有3个自由度。

2.2 旋转矩阵的数学表达

旋转矩阵是描述坐标系之间旋转关系的数学工具。假设我们有两个坐标系S和B，那么B坐标系相对于S坐标系的旋转可以表示为一个3×3的矩阵：

R = [x_b y_b z_b]

其中x_b、y_b、z_b分别是B坐标系的三个坐标轴在S坐标系中的表示。这个矩阵的每一列都是B坐标系的一个基向量在S坐标系中的坐标。

旋转矩阵有几个重要性质：

1. 正交性：R^T R = I（I是单位矩阵）
2. 行列式为1：det(R) = 1
3. 逆矩阵等于转置矩阵：R^-1 = R^T

3. 旋转的两种解释方式

3.1 固定坐标系解释

在固定坐标系解释中，我们假设参考坐标系S保持不变，而动坐标系B相对于S发生了旋转。这种解释方式直观易懂，适合大多数应用场景。

例如，当描述机械臂末端执行器的姿态时，我们通常采用固定坐标系解释，即认为基座坐标系固定，末端坐标系相对于基座坐标系旋转。

3.2 动坐标系解释

在动坐标系解释中，我们假设物体坐标系B保持不变，而参考坐标系S相对于B发生了旋转。这种解释方式在某些特定情况下更为方便，比如描述飞行器的姿态变化时。

虽然两种解释方式看起来不同，但实际上它们描述的是相同的物理现象，只是观察的视角不同而已。对应的数学表达式也是相同的。

4. 旋转矩阵的构建方法

4.1 基本旋转矩阵

最基本的旋转是绕单个坐标轴的旋转，对应的旋转矩阵如下：

1. 绕x轴旋转θ角度：
   Rx(θ) = [1 0 0; 0 cosθ -sinθ; 0 sinθ cosθ]

2. 绕y轴旋转θ角度：
   Ry(θ) = [cosθ 0 sinθ; 0 1 0; -sinθ 0 cosθ]

3. 绕z轴旋转θ角度：
   Rz(θ) = [cosθ -sinθ 0; sinθ cosθ 0; 0 0 1]

4.2 复合旋转

实际应用中，我们经常需要描述绕多个轴的连续旋转。这时可以通过矩阵乘法将基本旋转矩阵组合起来。需要注意的是，旋转的顺序非常重要，因为矩阵乘法不满足交换律。

例如，先绕x轴旋转α，再绕y轴旋转β，最后绕z轴旋转γ，对应的复合旋转矩阵为：
R = Rz(γ) Ry(β) Rx(α)

5. 欧拉角与旋转矩阵

5.1 欧拉角的定义

欧拉角是一种常用的旋转描述方式，它通过三个连续的绕轴旋转来描述任意姿态。根据旋转轴的选择顺序不同，欧拉角有多种表示方法，最常见的是ZYX欧拉角（也称为横滚-俯仰-偏航角）。

5.2 欧拉角与旋转矩阵的转换

给定一组欧拉角，我们可以通过组合基本旋转矩阵得到对应的旋转矩阵。以ZYX欧拉角(ψ, θ, φ)为例：

R = Rz(ψ) Ry(θ) Rx(φ)

展开后为：
R = [
cosψcosθ, cosψsinθsinφ-sinψcosφ, cosψsinθcosφ+sinψsinφ;
sinψcosθ, sinψsinθsinφ+cosψcosφ, sinψsinθcosφ-cosψsinφ;
-sinθ, cosθsinφ, cosθcosφ
]

反过来，从旋转矩阵提取欧拉角也需要特别注意奇异点问题。

6. 四元数表示法

6.1 四元数基础

四元数是另一种描述旋转的数学工具，它由一个实部和三个虚部组成：
q = w + xi + yj + zk

其中w是实部，(x,y,z)是虚部，i,j,k是虚数单位，满足特定的乘法规则。

6.2 四元数与旋转矩阵的转换

单位四元数（满足w²+x²+y²+z²=1）可以表示旋转。对应的旋转矩阵为：

R = [
1-2y²-2z², 2xy-2wz, 2xz+2wy;
2xy+2wz, 1-2x²-2z², 2yz-2wx;
2xz-2wy, 2yz+2wx, 1-2x²-2y²
]

四元数表示法避免了欧拉角的万向节锁问题，在计算机图形学和机器人控制中广泛应用。

7. 刚体运动的齐次表示

7.1 齐次变换矩阵

为了同时表示旋转和平移，我们使用4×4的齐次变换矩阵：

T = [R p; 0 1]

其中R是3×3旋转矩阵，p是3×1平移向量，0是1×3零向量。

7.2 齐次变换的性质

齐次变换矩阵具有以下重要性质：

1. 复合变换：两个变换矩阵相乘表示连续的变换
2. 逆变换：T^-1 = [R^T -R^T p; 0 1]
3. 可以表示坐标系之间的相对关系

8. 实际应用中的注意事项

8.1 数值稳定性问题

在实际计算中，旋转矩阵可能会因为数值误差而失去正交性。常见的解决方法包括：

1. 定期正交化：使用Gram-Schmidt过程或其他正交化方法
2. 使用四元数：四元数表示法数值稳定性更好
3. 采用增量式更新：对于连续的小旋转，使用指数映射表示

8.2 表示法的选择

不同的旋转表示法各有优缺点：

1. 旋转矩阵：直观但参数多
2. 欧拉角：直观但有万向节锁问题
3. 四元数：紧凑且数值稳定但不直观
4. 轴角表示：直观但参数化不唯一

在实际应用中，通常根据具体需求选择合适的表示法，并在不同表示法之间进行转换。

9. 机器人学中的应用实例

9.1 机械臂正运动学

在机械臂正运动学中，我们需要计算末端执行器相对于基座的位置和姿态。这通常通过连续的齐次变换来实现：

T = T1 T2 ... Tn

其中每个Ti表示一个关节的变换矩阵。

9.2 传感器标定

在多传感器系统中，我们需要确定不同传感器坐标系之间的变换关系。这可以通过测量已知点在两个坐标系中的坐标，然后求解对应的旋转和平移。

10. 常见问题与解决方案

10.1 万向节锁问题

当使用欧拉角表示时，在某些特定角度会出现自由度丢失的现象。解决方案包括：

1. 避免使用接近奇异点的欧拉角序列
2. 改用四元数表示
3. 使用两套互补的欧拉角序列

10.2 旋转插值问题

在动画或轨迹规划中，我们需要在两个旋转之间进行平滑插值。简单的线性插值会导致问题，正确的做法包括：

1. 对于旋转矩阵：使用矩阵对数插值
2. 对于四元数：使用球面线性插值(slerp)
3. 对于欧拉角：谨慎地进行分量插值

10.3 坐标系混淆问题

在实际编程中，很容易混淆不同坐标系之间的变换方向。建议：

1. 明确记录每个变换矩阵的含义
2. 使用一致的命名规范
3. 编写详细的注释说明坐标系关系