2、坐标系与运动学基础
说实话，做运动控制这些年，我最大的体会就是——坐标系搞不明白，后面全白搭。不管是写代码还是调参数，坐标系就是你的「世界观」。今天咱们就把这块地基打牢。
2.1 笛卡尔坐标系：我们最熟悉的「世界」
笛卡尔坐标系，说白了就是三维空间里的XYZ轴。我习惯把右手伸出来比划一下：拇指是X，食指是Y，中指是Z。嗯，这就是右手定则。
在实际项目中，我遇到过不少新手把坐标系搞反。比如机器人底座坐标系和工具坐标系混用，结果一运动就撞限位。所以我的建议是：先定好世界坐标系，再谈其他。
核心要点：
- 笛卡尔坐标系用 (x, y, z) 表示位置
- 用 (Rx, Ry, Rz) 表示姿态（旋转角度）
- 位置+姿态 = 6自由度位姿
2.2 关节坐标系：机器人的「母语」
你想想看，机器人关节电机转多少度，它才不管什么XYZ。关节坐标系就是每个轴的角度值。比如六轴机器人，关节坐标就是 (J1, J2, J3, J4, J5, J6)。
我记得刚入行时，总喜欢在笛卡尔空间里规划路径。后来发现，关节空间才是机器人最舒服的语言。为什么？因为关节运动不会出现奇异点，也不会因为逆解算不出来而报错。
我的经验：调试阶段先用关节坐标手动走一遍，确认每个轴都能动。再用笛卡尔坐标做轨迹规划。这个顺序能省不少排查时间。
2.3 正运动学：从关节到笛卡尔
正运动学，就是已知每个关节的角度，求末端的位置和姿态。说白了，就是「我知道每个关节怎么转，告诉我手在哪」。
公式长这样：
T = f(θ1, θ2, θ3, θ4, θ5, θ6)其中 T 是4x4的齐次变换矩阵，θ 是关节角度。这个 f 函数，其实就是一堆三角函数和矩阵乘法。
我做过一个SCARA机器人的正解，代码大概这样：
def forward_kinematics(theta1, theta2, d3, theta4):
# 简化版SCARA正解
L1 = 0.3 # 大臂长度
L2 = 0.2 # 小臂长度
x = L1*cos(theta1) + L2*cos(theta1+theta2)
y = L1*sin(theta1) + L2*sin(theta1+theta2)
z = d3
rz = theta1 + theta2 + theta4
return [x, y, z, rz]注意：正运动学的结果是唯一的。给定一组关节角，末端位姿是确定的。这一点和逆运动学完全不同。
2.4 逆运动学：从笛卡尔到关节
逆运动学就反过来了——我知道手要放到哪，求每个关节该转多少度。这是运动控制里最头疼的部分。
为什么头疼？因为：
- 解不唯一：同一个位置，可能有多种关节姿态
- 可能无解：目标点超出了工作空间
- 奇异点：某些位置会导致关节速度无穷大
我曾经在调试六轴机器人时，遇到一个诡异的问题：路径规划明明没问题，但一到某个点就剧烈抖动。排查了两天，最后发现是逆解选错了构型。嗯，从那以后我写逆解代码都会加上构型选择参数。
避坑指南：
- 逆解前先判断目标点是否在工作空间内
- 多解时优先选择关节变化最小的解
- 靠近奇异点时切换到关节空间运动
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4x4的矩阵，同时包含了旋转和位移信息。结构如下：
| R11 R12 R13 Tx |
| R21 R22 R23 Ty |
| R31 R32 R33 Tz |
| 0 0 0 1 |左上角3x3是旋转矩阵，右上角3x1是位移向量。最后一行固定是 [0 0 0 1]。
为什么用4x4？因为这样可以把旋转和平移统一成矩阵乘法。你想想看，如果分开算，又要加又要乘，多麻烦。用齐次矩阵，一连串变换就是一连串矩阵相乘：
T_总 = T_1 * T_2 * T_3 * ...我习惯把每个关节的变换矩阵写成一个函数，然后链式乘起来。这样代码结构清晰，调试也方便。
小技巧：写代码时把齐次矩阵的乘法封装成一个函数，比如 multiply(T1, T2)。这样正运动学就是一连串的乘法调用，可读性极好。
2.6 知识体系总览
下面这张图是我自己总结的运动学知识结构，你可以把它当作学习地图：
2.7 小结
这一章的内容，说白了就是三件事：
- 坐标系：笛卡尔和关节，两种看问题的角度
- 运动学：正解和逆解，来回转换
- 齐次矩阵：统一描述旋转和平移的数学工具
我个人觉得，运动学这东西，光看书不行，得动手算。找个简单的两连杆机器人，手写一遍正解和逆解，比看十遍书都管用。下一章咱们就上代码，把今天讲的这些变成能跑的程序。