第二讲：坐标系与运动学基础

各位工程师朋友，大家好。这一讲我们来聊聊运动控制里最基础、也最绕不开的东西——坐标系和运动学。

说实话，我刚入行那会儿，觉得坐标系不就是个数学概念嘛，有什么好讲的？直到我第一次调试六轴机器人，发现末端怎么都走不到目标点，折腾了两天才意识到——哦，原来我用的坐标系搞混了。嗯，从那以后，我再也不敢小看坐标系了。

2.1 笛卡尔坐标系：我们最熟悉的“世界”

笛卡尔坐标系，说白了就是我们在中学就学过的X、Y、Z三轴。在运动控制里，它描述的是工具末端在空间中的位置和姿态。

举个例子，你让一个机械臂去抓桌上的杯子。你关心的不是每个关节转了多少度，而是“手爪”在空间中的坐标——比如(300mm, 200mm, 150mm)，再加上一个朝向角度。这就是笛卡尔坐标系下的描述。

我个人习惯把笛卡尔坐标系称为“用户视角”。操作员不需要知道电机怎么转，他只需要告诉机器人“去那里”。

2.2 关节坐标系：机器人的“母语”

关节坐标系就完全不同了。它描述的是每个关节的转角或位移。比如六轴机器人，关节坐标就是J1、J2、J3、J4、J5、J6各自的角度值。

你想想看，电机只能转圈，它听不懂“X方向移动100mm”这种话。电机只认识“转多少度”。所以关节坐标系才是机器人的“母语”。

坐标系类型	描述对象	单位	典型应用
笛卡尔坐标系	末端位置+姿态	mm, 度	轨迹规划、人机交互
关节坐标系	每个关节角度/位移	度, mm	电机控制、伺服驱动

2.3 正运动学：从关节到末端

正运动学，就是已知每个关节的角度，求末端在笛卡尔空间中的位置和姿态。说白了，就是“我知道电机转了多少，告诉我手在哪里”。

公式长这样（以六轴机器人为例）：

T = T1(θ1) × T2(θ2) × T3(θ3) × T4(θ4) × T5(θ5) × T6(θ6)

其中每个T都是一个4×4的齐次变换矩阵。把它们乘起来，就得到了末端相对于基座的位姿。

正运动学是唯一的——给定一组关节角，末端位姿是确定的。这一点很重要，因为逆运动学就没这么简单了。

2.4 逆运动学：从末端到关节

逆运动学正好反过来：已知末端要到达的位置和姿态，求每个关节应该转多少度。

这才是真正让人头疼的地方。为什么？因为逆运动学通常有多个解，甚至可能无解。

举个例子，你让机械臂去抓一个点，它可能“弯着手肘”去，也可能“伸直手肘”去。两种方式都能到达，但关节角度完全不同。这就是多解问题。

常用的逆解方法有：

• 解析法：速度快，但只适用于特定构型（如PIEPER准则）
• 数值法：通用性强，但迭代慢，可能不收敛
• 几何法：直观，适合简单构型

2.5 齐次变换矩阵：运动学的“瑞士军刀”

齐次变换矩阵，说白了就是一个4×4的矩阵，同时包含了旋转和位移信息。

    [ R11  R12  R13  Px ]
T = [ R21  R22  R23  Py ]
    [ R31  R32  R33  Pz ]
    [  0    0    0    1  ]

左上角3×3是旋转矩阵，描述姿态。右上角3×1是位移向量，描述位置。最后一行是固定的[0 0 0 1]，用来保持齐次性。

为什么用4×4？因为这样可以把旋转和位移统一成一个矩阵乘法，方便串联多个变换。

比如，从基座到末端，中间经过多个连杆：

T_base_to_end = T_base_to_link1 × T_link1_to_link2 × ... × T_linkN_to_end

每个T都是4×4矩阵，乘起来还是4×4。简洁、优雅、高效。

2.6 知识体系总览

下面这张图，是我自己总结的坐标系与运动学知识结构。你可以把它当作这一讲的“地图”。

从这张图可以看得很清楚：坐标系是基础，运动学是方法，齐次变换矩阵是工具。三者缺一不可。

2.7 避坑指南

最后，分享几个我踩过的坑：

• 坐标系搞混：我曾经把工具坐标系和用户坐标系搞反，结果机器人差点撞墙。建议在代码里用枚举类型区分坐标系，不要用数字0、1、2。
• 逆解选错：多解情况下，一定要根据当前关节位置选择最近解，否则机器人会“抽风”。
• 齐次矩阵忘记归一化：连续乘法后，旋转矩阵可能不再是正交矩阵。记得定期做正交化处理。

---

公众号:蓝海资料掘金营，微信deep3321