第2章：多旋翼飞行器基础
各位同学，欢迎来到第二讲。今天咱们聊聊多旋翼飞行器的基础知识。说实话，这部分内容看着有点枯燥，但它是后面所有视觉定位和自主降落算法的基石。我自己带项目时，发现很多问题都出在坐标系搞混、姿态理解不透上。所以，咱们把这部分啃扎实了，后面会顺很多。
2.1 飞行原理：它凭什么能飞起来？
多旋翼能飞，核心就四个字：力的平衡。你想想看，四个电机带着螺旋桨转，产生向上的拉力。当总拉力等于重力时，它就悬停；大于重力，它就上升；小于重力，它就下降。
但光有上下还不够，它怎么前后左右移动呢？这就靠差速控制了。比如，我想让飞机往前飞，那就让后面的两个电机转得快一点，前面的转得慢一点。这样机身就会前倾，拉力产生一个水平分量，飞机就往前走了。
我个人习惯把这种控制逻辑记成一句话：「要动哪里，就减哪里的力」。想往右飞，就减右边电机的转速，让机身往右倾斜。嗯，这里要注意，实际飞控里用的是更复杂的PID控制，但底层逻辑就是这个。
核心要点：
- 垂直运动：总拉力 vs 重力
- 水平运动：机身倾斜产生水平分力
- 偏航运动：正反桨扭矩差实现旋转
避坑指南：我曾经在调试一架大轴距四旋翼时，发现它总是往一个方向飘。查了半天，发现是四个电机的安装平面不在一个水平面上。说白了，就是机架本身有扭曲。所以，装机时一定要确保电机座水平，否则飞控再怎么调参都救不回来。
2.2 坐标系定义：别把方向搞反了
做视觉SLAM和自主降落，坐标系是头等大事。我见过太多新手把机体坐标系和世界坐标系搞混，结果算法跑出来飞机直接往地里钻。咱们把这两个坐标系说清楚。
2.2.1 世界坐标系（World Frame）
世界坐标系是固定在地面上的，不随飞机运动而改变。通常我们取起飞点为原点，X轴指向北（或东），Y轴指向东（或北），Z轴指向天。这个坐标系是绝对的，用来描述飞机在空间中的位置。
在视觉SLAM中，我们通常把第一帧相机的位置作为世界坐标系的原点。这样方便，但要注意，这个原点跟GPS的经纬度原点不是一回事。
2.2.2 机体坐标系（Body Frame）
机体坐标系是固定在飞机上的。原点在飞机的重心，X轴指向机头，Y轴指向飞机右侧，Z轴指向下方（符合右手定则）。这个坐标系是相对的，用来描述飞机的姿态和角速度。
为什么要有机体坐标系？因为飞机上的传感器（IMU、相机、激光雷达）都是跟着飞机一起动的。它们测量的数据，天然就是在机体坐标系下的。我们需要把这些数据转换到世界坐标系下，才能做定位和导航。
重要提醒：不同飞控或算法对坐标轴的定义可能不同。比如，有的把Z轴定义为向上，有的定义为向下。做数据融合时，一定要先确认坐标系定义，否则一个符号错误就能让你的算法崩掉。我习惯在代码开头用注释把坐标系定义写清楚，避免后期踩坑。
2.3 姿态表示：欧拉角 vs 四元数
姿态，说白了就是飞机相对于世界坐标系转了多少。描述这个「转了多少」，主要有两种方式：欧拉角和四元数。咱们一个一个说。
2.3.1 欧拉角（Euler Angles）
欧拉角用三个角度来描述姿态：横滚角（Roll）、俯仰角（Pitch）、偏航角（Yaw）。你可以想象成：先绕Z轴转Yaw，再绕Y轴转Pitch，最后绕X轴转Roll。这个顺序很重要，不同的旋转顺序会得到不同的结果。
欧拉角的优点是直观，人脑容易理解。但它的致命缺点是万向锁（Gimbal Lock）。当Pitch接近±90度时，Roll和Yaw会变得无法区分，导致姿态解算失效。你想想看，飞机在做特技飞行时，俯仰角很容易接近90度，这时候用欧拉角就非常危险。
欧拉角转换公式（ZYX顺序）：
// 从机体坐标系到世界坐标系的旋转矩阵
R = Rz(yaw) * Ry(pitch) * Rx(roll)
// 其中：
Rz(yaw) = [cos(yaw) -sin(yaw) 0;
sin(yaw) cos(yaw) 0;
0 0 1]
Ry(pitch) = [cos(pitch) 0 sin(pitch);
0 1 0;
-sin(pitch) 0 cos(pitch)]
Rx(roll) = [1 0 0;
0 cos(roll) -sin(roll);
0 sin(roll) cos(roll)]2.3.2 四元数（Quaternion）
四元数用四个数来表示旋转：q = [w, x, y, z]。其中w是实部，x、y、z是虚部。它没有万向锁问题，而且插值平滑，非常适合用于姿态估计和控制。
我个人习惯在飞控和视觉SLAM算法中全部使用四元数，只在显示给用户看时，才转成欧拉角。为什么呢？因为四元数做姿态融合（比如卡尔曼滤波）非常方便，而且不会出现奇点。
实用技巧：四元数转欧拉角的代码，我建议直接复用成熟的库（如Eigen、ROS的tf库）。自己手写容易出错，尤其是符号处理。我曾经因为一个符号写反，导致飞机在仿真里疯狂自旋，查了两天才发现是四元数转欧拉角的公式用错了。
2.4 知识体系总览
为了让大家更直观地理解本章的知识结构，我画了一张图。它把飞行原理、坐标系、姿态表示串在了一起，方便你建立整体认知。
2.5 实战中的坐标系转换
理论说完了，咱们来点实际的。在视觉SLAM中，我们经常需要做这样的转换：
- 相机坐标系 → 机体坐标系：相机安装在飞机上，有固定的安装角度和位置偏移。这个转换是固定的，标定一次就能用。
- 机体坐标系 → 世界坐标系：这个转换是动态的，取决于飞机当前的姿态和位置。我们用四元数或旋转矩阵来描述这个转换。
举个例子，相机检测到一个降落标志，它在相机坐标系下的坐标是 (0.5, 0.3, 2.0)。我们需要先把它转到机体坐标系，再转到世界坐标系，才能知道这个标志相对于起飞点的真实位置。
代码示例：坐标系转换（伪代码）
// 输入：相机坐标系下的点 P_cam
// 输出：世界坐标系下的点 P_world
// 1. 相机到机体的转换（固定标定）
P_body = R_cam_to_body * P_cam + T_cam_to_body
// 2. 机体到世界的转换（动态）
P_world = R_body_to_world * P_body + T_body_to_world
// 其中 R_body_to_world 由四元数 q 计算得到常见错误：很多新手在做坐标转换时，忘了加平移向量 T。如果相机安装位置离飞机重心很远（比如装在机臂上），这个平移量就不能忽略。我曾经在项目里因为忘了加这个平移，导致降落时总是偏了20厘米，后来加上就准了。
好了，这一章的内容就到这里。飞行原理、坐标系、姿态表示，这三块是后面所有算法的基础。你可以在脑子里过一遍：飞机怎么飞？数据在哪个坐标系下？姿态用什么表示？把这些想清楚了，后面学视觉SLAM和自主降落就会轻松很多。