第二章：运动学基础——坐标系与变换、齐次坐标、正运动学与逆运动学

各位工程师朋友，大家好。我是你们的老朋友，一个在运动控制领域摸爬滚打了十几年的老兵。今天咱们来聊聊运动学基础，这部分内容，说白了就是多轴协调控制的“地基”。地基不牢，楼盖得再高也得塌。我个人习惯，在开始任何复杂的轨迹规划或同步控制之前，都会先把坐标系和变换关系理得清清楚楚。

2.1 坐标系与空间变换：给机器人一个“世界观”

想象一下，你让一个六轴机器人去抓一个杯子。你告诉它：“去抓那个杯子。” 机器人怎么知道“那个杯子”在哪？它需要一套自己的“世界观”，也就是坐标系。

世界坐标系：这是最基础的坐标系，通常固定在机器人的基座上。它定义了机器人工作的整个空间。你可以把它想象成工厂车间的“大地图”。

工具坐标系：这个坐标系固定在机器人的末端执行器上，比如焊枪的尖端、夹爪的中心。我当年调试一个焊接机器人时，就遇到过工具坐标系标定不准的问题，结果焊出来的焊缝歪歪扭扭，像蚯蚓爬一样。后来发现是工具中心点（TCP）的坐标算错了几个毫米。

工件坐标系：这个坐标系固定在你要加工的工件上。比如，你要在汽车门板上打孔，工件坐标系就定义在门板上。这样，即使门板的位置有偏差，机器人也能根据工件坐标系自动调整轨迹。

这些坐标系之间怎么转换？靠的就是平移和旋转。

• 平移：就是沿着X、Y、Z轴移动一段距离。比如，从世界坐标系原点走到工具坐标系原点，走了多远？这就是平移向量。
• 旋转：就是绕着某个轴转一个角度。比如，工具坐标系相对于世界坐标系，是正着放的还是歪着放的？这就是旋转矩阵。

一个完整的空间变换，就是平移加旋转。我们用齐次变换矩阵来统一描述这个变换。它长这样：

| R   T |
| 0   1 |

其中，R是3x3的旋转矩阵，T是3x1的平移向量。最后一行是[0 0 0 1]，这是齐次坐标的固定格式。

2.2 齐次坐标：为什么非要加个“1”？

很多初学者会问：“为什么平移和旋转不能分开算？非要搞个4x4的矩阵？” 嗯，这个问题问得好。

你想想看，如果只用3x3的旋转矩阵，你只能描述旋转，描述不了平移。如果分开算，先旋转再平移，公式会变得很啰嗦。而齐次坐标的精妙之处在于，它把平移也“伪装”成了线性变换。

具体来说，一个三维空间中的点 (x, y, z)，我们用齐次坐标表示为 (x, y, z, 1)。多出来的这个“1”，就是用来承载平移信息的。当你用一个4x4的齐次变换矩阵去乘这个点的时候，旋转和平移就一次性完成了。

我举个例子，假设有一个点P在世界坐标系中的坐标是 (1, 2, 3)。现在，我们想把它变换到工具坐标系中。如果工具坐标系相对于世界坐标系，先绕Z轴转了30度，再沿X轴平移了5个单位。用齐次变换矩阵，一步就能算出结果。

// 伪代码示例：齐次变换
// 定义旋转矩阵R（绕Z轴30度）
R = [[cos30, -sin30, 0],
     [sin30,  cos30, 0],
     [0,      0,     1]]

// 定义平移向量T
T = [5, 0, 0]

// 构建齐次变换矩阵H
H = [[R[0][0], R[0][1], R[0][2], T[0]],
     [R[1][0], R[1][1], R[1][2], T[1]],
     [R[2][0], R[2][1], R[2][2], T[2]],
     [0,       0,       0,       1   ]]

// 点P的齐次坐标
P_homo = [1, 2, 3, 1]

// 变换后的点P'
P'_homo = H * P_homo  // 矩阵乘法
// 结果P'的坐标就是 (P'_homo[0], P'_homo[1], P'_homo[2])

2.3 正运动学：给关节角度，求末端位姿

正运动学，说白了就是“已知关节怎么动，求手在哪里”。

比如，你有一个六轴机器人，你告诉它：“关节1转到30度，关节2转到-45度，关节3转到60度……” 然后，正运动学模型就会告诉你：末端执行器（手）在空间中的位置和姿态是什么。

怎么算？就是不断地做坐标系变换。从基座开始，经过关节1的变换，到关节2的变换……一直传到末端。每个关节的变换，都可以用一个齐次变换矩阵来表示。把这些矩阵乘起来，就得到了末端相对于基座的位姿。

公式很简单：

T_0_n = T_0_1 * T_1_2 * T_2_3 * ... * T_(n-1)_n

其中，T_0_n 就是末端相对于基座的变换矩阵。

我记得有一次，我在调试一个SCARA机器人，正运动学算出来的位置和实际位置总是差一点。查了半天，发现是某个关节的DH参数（一种描述连杆和关节的模型）写错了。所以，正运动学虽然计算简单，但参数一定要准。

2.4 逆运动学：给末端位姿，求关节角度

逆运动学就更有意思了。它是正运动学的逆过程：已知末端执行器想走到哪里（位置和姿态），反算出每个关节应该转多少度。

这在实际应用中太重要了。比如，你让机器人去抓一个工件，你只知道工件的位置，但不知道机器人的关节角度。这时候，就需要逆运动学来求解。

逆运动学比正运动学复杂得多。为什么？因为解不唯一。同一个末端位姿，可能对应着多组关节角度。比如，一个六轴机器人，同一个点，可以有“肘部朝上”和“肘部朝下”两种姿态。

求解逆运动学，常用的方法有两种：

• 解析法：通过数学公式直接求解。速度快，但只适用于特定结构的机器人（比如，有相邻三个关节轴交于一点）。
• 数值法：通过迭代逼近求解。通用性强，但速度慢，而且可能陷入局部最优解。

在实际项目中，我通常优先用解析法。如果解析法解不出来，或者有多组解需要选择，再用数值法。

举个例子，一个简单的2自由度平面机器人，逆运动学可以这样算：

// 已知：末端位置 (x, y)，连杆长度 L1, L2
// 求：关节角度 theta1, theta2

// 先求 theta2（余弦定理）
cos_theta2 = (x^2 + y^2 - L1^2 - L2^2) / (2 * L1 * L2)
theta2 = acos(cos_theta2)  // 注意：这里有两个解，正负号

// 再求 theta1
k1 = L1 + L2 * cos(theta2)
k2 = L2 * sin(theta2)
theta1 = atan2(y, x) - atan2(k2, k1)

2.5 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。它把坐标系、齐次变换、正逆运动学的关系串在了一起。

这张图清晰地展示了我们本章的脉络。从坐标系出发，通过齐次变换矩阵这个工具，最终到达正运动学和逆运动学这两个核心应用。你掌握了这个逻辑，后面学轨迹规划、速度控制就会轻松很多。

好了，关于运动学基础，我就先讲这么多。这部分内容，说白了就是“磨刀不误砍柴工”。你花时间把坐标系和变换搞明白了，后面写代码、调参数都会顺风顺水。如果有什么疑问，欢迎随时交流。