3、刚体运动学基础：旋转矩阵、欧拉角、四元数、平移与旋转的复合
各位同学，今天我们来啃一块硬骨头——刚体运动学。说实话，我刚入行那会儿，被旋转矩阵和四元数绕得晕头转向。后来在调试一个六轴机械臂时，因为欧拉角万向锁的问题，差点把电机烧了。从那以后，我彻底明白了：搞机器人，绕不开这些数学工具。
刚体运动学，说白了就是描述一个物体在空间里怎么动。它包含两个基本动作：平移和旋转。平移好理解，就是从一个点挪到另一个点。旋转嘛，花样就多了。今天我们就来聊聊旋转的三种主流表示法，以及如何把它们和平移组合起来。
核心概念：刚体运动 = 平移 + 旋转。旋转表示法有三种：旋转矩阵、欧拉角、四元数。各有优劣，看场景选。
3.1 旋转矩阵：最直观，但最啰嗦
旋转矩阵是一个3x3的正交矩阵，行列式为+1。它把一个向量从一个坐标系映射到另一个坐标系。比如，一个点P在坐标系{A}中的坐标是AP，在坐标系{B}中的坐标是BP，那么：
BP = BRA · AP其中BRA就是旋转矩阵。它的每一列，其实就是坐标系{A}的基向量在坐标系{B}中的投影。
我个人习惯用旋转矩阵做理论推导，因为它数学性质好，组合方便。但缺点也很明显：9个参数，冗余。而且你想想看，每次更新姿态都要维护9个数，计算量不小。
小技巧：验证一个矩阵是不是合法的旋转矩阵，检查两件事：1) 矩阵的转置等于它的逆；2) 行列式为+1。我在项目中经常用这个来排查数据异常。
3.2 欧拉角：直观，但有个坑
欧拉角用三个角度来描述旋转，比如绕X轴转α，绕Y轴转β，绕Z轴转γ。常见的顺序有ZYX、XYZ等。每个顺序对应不同的旋转分解方式。
欧拉角的好处是直观，三个数，好理解。你在遥控器上看到的俯仰角、偏航角、翻滚角，就是欧拉角的一种应用。
但这里有个大坑——万向锁。当第二个旋转角达到±90°时，第一个和第三个旋转轴会重合，导致丢失一个自由度。我曾经在调试一个云台时，就因为没处理好万向锁，云台在某个角度突然乱转。嗯，那场面，挺尴尬的。
避坑指南：如果你用欧拉角做插值或控制，一定要考虑万向锁。我建议在需要连续旋转的场景下，尽量别用欧拉角。实在要用，记得限制第二个角度的范围，或者切换到四元数。
3.3 四元数：高效，但抽象
四元数是一个超复数，形式为 q = w + xi + yj + zk，其中w是实部，x、y、z是虚部。它用四个参数表示旋转，没有奇异性，插值平滑。
为什么用四元数？因为它避免了万向锁，而且计算效率高。两个四元数的乘法比两个旋转矩阵的乘法快得多。在机器人实时控制中，这点性能差异很关键。
我记得第一次接触四元数时，完全搞不懂它和旋转的关系。后来我换了个角度理解：四元数其实是在描述一个旋转轴和一个旋转角度。轴由虚部(x,y,z)的方向决定，角度由实部w决定。这样一想，就清晰多了。
// 四元数转旋转矩阵示例（C++风格伪代码）
// 输入：四元数 q = (w, x, y, z)
// 输出：3x3旋转矩阵 R
R[0][0] = 1 - 2*y*y - 2*z*z;
R[0][1] = 2*x*y - 2*z*w;
R[0][2] = 2*x*z + 2*y*w;
R[1][0] = 2*x*y + 2*z*w;
R[1][1] = 1 - 2*x*x - 2*z*z;
R[1][2] = 2*y*z - 2*x*w;
R[2][0] = 2*x*z - 2*y*w;
R[2][1] = 2*y*z + 2*x*w;
R[2][2] = 1 - 2*x*x - 2*y*y;个人经验：在IMU姿态解算中，我几乎只用四元数。因为它没有奇异性，而且可以方便地进行姿态预测和更新。但要注意，四元数需要归一化，否则数值误差会累积。
3.4 平移与旋转的复合：齐次变换矩阵
好了，旋转讲完了，平移也简单。但实际中，刚体运动往往是旋转和平移同时发生的。比如机械臂的末端执行器，既要转到某个角度，又要移到某个位置。
这时候，我们需要一个工具把旋转和平移统一起来——齐次变换矩阵。它是一个4x4的矩阵，左上角3x3是旋转矩阵，右上角3x1是平移向量，最后一行是[0 0 0 1]。
T = | R t |
| 0 1 |其中R是3x3旋转矩阵，t是3x1平移向量。用齐次坐标表示点，就可以把旋转和平移合并成一次矩阵乘法：
BP̃ = BTA · AP̃这里的P̃是齐次坐标，就是在普通坐标后面加一个1。比如三维点(x,y,z)变成(x,y,z,1)。
为什么用齐次变换矩阵？因为它可以把多个变换串联起来。比如从基座到末端，中间经过多个关节，每个关节都有一个变换矩阵。把它们乘起来，就得到末端相对于基座的位姿。这就是机器人运动学正解的核心思想。
关键点：齐次变换矩阵的乘法顺序很重要。左乘表示相对于固定坐标系变换，右乘表示相对于当前坐标系变换。我在做运动学标定时，经常因为搞混顺序而出错。记住：先旋转后平移，还是先平移后旋转，结果不一样。
3.5 三种旋转表示法的对比
为了让你更直观地理解，我整理了一个表格：
| 表示法 | 参数数量 | 奇异性 | 计算效率 | 直观性 | 适用场景 |
|---|---|---|---|---|---|
| 旋转矩阵 | 9 | 无 | 低 | 中 | 理论推导、坐标变换 |
| 欧拉角 | 3 | 有（万向锁） | 高 | 高 | 人机交互、姿态显示 |
| 四元数 | 4 | 无 | 高 | 低 | 实时控制、姿态插值 |
你想想看，如果只是给用户看个姿态角度，用欧拉角最方便。但如果是做运动控制，我建议用四元数。至于旋转矩阵，更多用在理论推导和坐标变换中。
3.6 知识体系结构图
下面这张图展示了本章的知识脉络，帮你理清思路：
从图中可以看到，刚体运动学的基础就是平移和旋转。旋转有三种表示法，各有优劣。最后通过齐次变换矩阵，把平移和旋转统一起来，应用到实际机器人控制中。
我的建议：初学者先掌握旋转矩阵，因为它最直观，数学性质清晰。然后理解欧拉角，注意万向锁。最后攻克四元数，这是工程实践中的利器。别急，一步步来。
好了，这一章的内容就到这里。旋转矩阵、欧拉角、四元数，还有齐次变换矩阵，都是机器人运动控制的基石。你在项目中遇到什么问题，欢迎随时交流。
公众号:蓝海资料掘金营，微信deep3321