4、点云坐标系与变换：世界坐标系、相机坐标系、物体坐标系，刚体变换（旋转、平移），齐次坐标与变换矩阵，使用Open3D实现点云变换
各位好，我是老张。今天我们来聊聊点云处理里最基础、也最容易踩坑的一个话题——坐标系与变换。
说实话，我刚开始做点云项目那会儿，觉得坐标系这东西有啥好讲的？不就是xyz嘛。结果呢？第一次做多传感器融合，激光雷达和相机对不上，折腾了两天才发现是坐标系定义搞反了。嗯，从那以后，我再也不敢小看坐标系了。
4.1 三个核心坐标系
点云数据本身只是一堆三维点，但每个点到底是在哪个坐标系下描述的？这很关键。我个人习惯把坐标系分成三类：
- 世界坐标系：全局统一的参考系。比如你在一个房间里放了一台扫描仪，房间的某个墙角就是世界坐标系原点。所有物体的位置，最终都要映射到这个坐标系下。
- 相机坐标系：以相机光心为原点，Z轴指向拍摄方向。你想想看，相机看到的点，天然就是在相机坐标系下的。但不同相机的坐标系定义可能不一样——有的Z轴朝前，有的Z轴朝后，这就是坑。
- 物体坐标系：以物体自身为中心。比如你扫描一个杯子，杯底中心就是原点。物体坐标系的好处是：无论杯子怎么移动，它的几何描述不变。
我在项目中遇到过一个问题：用机械臂抓取零件，零件在传送带上移动。如果只用世界坐标系，每次都要重新计算抓取点。后来改用物体坐标系，把抓取点定义在零件上，世界坐标系只管零件的位置和姿态——简单多了。
4.2 刚体变换：旋转与平移
说白了，刚体变换就是“不改变物体形状的移动”。一个点云从坐标系A变到坐标系B，无非就是转一转、挪一挪。
旋转：绕X、Y、Z轴转。每个轴转一个角度，三个角度组合起来就是欧拉角。但欧拉角有个问题——万向锁。我建议你用旋转矩阵或者四元数，更稳定。
平移：就是沿着X、Y、Z方向挪动。简单，加个向量就行。
旋转矩阵R是3x3的，平移向量t是3x1的。组合起来：p' = R * p + t。这就是刚体变换的数学表达。
4.3 齐次坐标与变换矩阵
为什么要有齐次坐标？因为上面的公式写起来麻烦。每次都要先乘R再加t，代码里得写两行。用齐次坐标，把三维点变成四维：(x, y, z, 1)。然后变换矩阵T是4x4的：
T = | R t |
| 0 1 |这样，一次矩阵乘法就搞定了：p' = T * p。干净利落。
我曾经在写点云配准代码时，忘了把齐次坐标的最后一维设成1，结果变换出来的点全飞到天上了。排查了半天才发现——嗯，细节决定成败。
4.4 使用Open3D实现点云变换
Open3D里做变换非常方便。我直接上代码：
import open3d as o3d
import numpy as np
# 读取点云
pcd = o3d.io.read_point_cloud("bunny.pcd")
# 定义变换矩阵（先绕Z轴转45度，再沿X轴平移0.5米）
theta = np.pi / 4
T = np.array([
[np.cos(theta), -np.sin(theta), 0, 0.5],
[np.sin(theta), np.cos(theta), 0, 0.0],
[0, 0, 1, 0.0],
[0, 0, 0, 1]
])
# 应用变换
pcd_transformed = pcd.transform(T)
# 可视化
o3d.visualization.draw_geometries([pcd, pcd_transformed])你看，核心就一行：pcd.transform(T)。Open3D自动帮你把每个点都乘上T矩阵。
4.5 知识体系总览
下面这张图，是我自己总结的坐标系与变换的核心逻辑。你一看就明白：
4.6 避坑指南
- Open3D的坐标系是右手系，但有些传感器（比如某些深度相机）用的是左手系。不转换直接变换，结果全反。
- 变换矩阵的顺序：先旋转后平移，还是先平移后旋转？Open3D的transform函数是先旋转后平移。如果你搞反了，点云会飞到莫名其妙的位置。
- 单位问题：有的数据是毫米，有的是米。变换矩阵里的平移量，单位必须和点云一致。我见过有人把0.5米写成了0.5毫米，结果点云缩成一团。
好了，坐标系与变换就讲到这里。你回去可以拿自己的点云数据试试，先定义一个变换矩阵，看看点云怎么动。动手做一遍，比看十遍都管用。