透视空间：深入解析坐标系的坐标变换公式
在数学、物理学、计算机图形学以及机器人导航等领域，我们需要处理不同视角下的空间描述。想象一下，当你站在一个旋转的旋转木马上观察周围的景物，或者当无人机在三维空间中飞行并需要将其传感器数据转换为地面地图的坐标时，你正在经历一场坐标变换（Coordinate Transformation）。
坐标变换不仅是连接不同参考系的桥梁，更是现代科技中处理空间数据的基石。这篇文章将深入探讨坐标变换原理、常见类型及其数学表达，并通过表格梳理关键公式，帮助读者建立清晰的知识框架。
为什么必须坐标变换？
在现实世界中，没有一个绝对静止的“上帝视角”。每一个观察者都有自己的参考系（Reference Frame）。- 平移参考系：两个坐标系原点不同，但方向一致。
- 旋转参考系两个坐标系原点重合，但轴向方向不同。
- 一般参考系：原点和方向均不同。
为了将物体在一个坐标系中的描述（如位置、速度、姿态）转换到另一个坐标系中，我们需要一套严谨的数学工具——即坐标变换公式。
核心概念：齐次坐标与变换矩阵
为了统一处理平移和旋转，工程实践中广泛采用齐次坐标（Homogeneous Coordinates）。在三维空间中，一个点 被表示为四维向量 。
一个通用的三维坐标变换可以表示为一个 的变换矩阵 ：
其中：
- 是一个 的旋转矩阵，描述坐标系的相对方向。
- 是一个 的平移向量，描述原点的相对位置。
- 是零向量，保证齐次坐标的性质。
常见坐标变换类型及公式
二维平面变换（2D）
在二维平面中，变换相对简单，常用于图像处理或简单的机器人底盘控制。
A. 纯平移
若新坐标系原点相对于旧坐标系移动了 ，则变换公式为：B. 纯旋转
若新坐标系相对于旧坐标系逆时针旋转了角度 ，则变换公式为：三维空间变换（3D）
三维变换是计算机视觉、SLAM（同步定位与建图）和动画制作。
A. 绕轴旋转
三维旋转经由绕 X、Y、Z 轴的基本旋转矩阵组合而成。- 绕 Z 轴旋转 角：
- 绕 X 轴旋转 角：
- 绕 Y 轴旋转 角：
注意：三维旋转不满足交换律，即 。所以旋转顺序。
B. 欧拉角与万向节死锁
虽然旋转矩阵直观，但使用三个欧拉角（Roll, Pitch, Yaw）表示旋转时，会遇到万向节死锁（Gimbal Lock）问题，即失去一个自由度。为了解决这个问题，现代系统常使用四元数（Quaternions）进行坐标变换，因为它计算效率更高且无奇异性。关键变换公式汇总表
下表总结了不同维度和场景下坐标变换公式，便于快速查阅。
| 变换类型 | 维度 | 参数 | 变换矩阵 或公式 | 应用场景 | |
|---|---|---|---|---|---|
| 平移 | 2D | 图像平移、物体位移 | |||
| 旋转 | 2D | 图像旋转、二维机械臂 | |||
| 平移 | 3D | 机器人基座移动 | |||
| 绕Z轴旋转 | 3D | 无人机偏航（Yaw） | |||
| 绕X轴旋转 | 3D | 无人机俯仰（Pitch） | |||
| 绕Y轴旋转 | 3D | 无人机横滚（Roll） | |||
| 仿射变换 | 2D | 图像缩放、剪切、复合变换 | |||
| 投影变换 | 3D 2D | 内参 | $mathbf{u} = K [mathbf{R} | mathbf{t}] mathbf{P}$ | 相机成像、透视投影 |
实际应用案例：从相机到世界坐标
在自动驾驶或增强现实（AR）中，最常遇到的变换链是：世界坐标系 相机坐标系 图像像素坐标系。
1. 世界到相机：
利用外参（旋转矩阵 和平移向量 ），将世界中的点 变换到相机坐标系 ：
2. 相机到像素：
利用内参矩阵 （包含焦距 和主点 ），将相机坐标系下的点投影到图像平面：
其中 是像素坐标， 是尺度因子（等于 ）。
这种级联变换体现了坐标变换公式的强大之处：凭借矩阵乘法，我们可轻松地将任意参考系中的数据映射到另一个参考系。
坐标系的坐标变换公式看似是枯燥的数学推导，实则是连接虚拟与现实的纽带。从简单的二维图像旋转，到复杂的三维机器人运动规划，其背后都是线性代数在支撑。
掌握这些公式，不仅有助于理解计算机图形学的渲染原理，更是进入机器人学、自动驾驶和空间数据分析领域的需要技能。随着技术，虽然四元数、李群（Lie Group）等更高级的工具逐渐普及，但基于旋转矩阵和平移向量变换公式，依然是我们理解空间关系的起点。
希望这篇文章能为你构建起清晰的坐标变换知识体系，助你在探索空间数据的旅程中游刃有余。
