对SLAM中变换矩阵T的理解

---

前言

学SLAM一直折腾不清楚变换矩阵T or 旋转矩阵R的物理意义（主要是总是搞不清这个变换矩阵是从A到B还是B到A，当然他们之间只差一个逆就是了），于是花时间探究整理了一下，主要定义来自SLAM十四讲，和其他教材定义冲突请以具体情况为准。

---

正篇

1.变换矩阵T与点（常见的说法）

首先明确一点，对于空间中一点$X$，以及坐标系A与坐标系B，以下说法等价（说的是一个东西）：
1.把$X$在A下的坐标$x_A$变换到$X$在B下的坐标$x_B$的变换矩阵$T$；
2.从A到B的变换矩阵$T_{BA}$；
3.以坐标系A为基础（参考坐标系），坐标系B的变换矩阵$T$。

其中1的说法是有明确数学阐述的，即 $x_B=T{x}_A$。其他两个说法也较为常见，遇见时转化成1的说法去理解和应用即可。对于说法3，其实默认将变换矩阵$T$作为坐标系B的一种描述了，换句话说，只要给定了基础（参考）坐标系，变换矩阵$T$可以唯一确定坐标系B，坐标系B也可以确定一个变换矩阵$T$。

2.变换矩阵T与坐标系（直观理解变换矩阵描述的变换）

上面的说法其实只给出了变换矩阵$T$对点的作用，现在考虑对坐标系的作用（即对坐标系基的作用），便于直观理解变换矩阵$T$是个怎样的变换（这里直接给出结论）：

设变换矩阵$T$的旋转部分（旋转矩阵）为$R$，平移部分为$t$，则分情况：
1.当 $t\ne 0$ 时，只关注平移部分$t$即可简单区分，即坐标系B的原点坐标即为$-t$；
2.当 $t=0$ 时，显然有 $x_B=R{x}_A$，且坐标系B的基在坐标系A下的坐标写成列向量，并起来就会形成矩阵$R^{-1}$。又因为旋转矩阵均为正交矩阵，即 $R$ 的三行，就是坐标系B的三个基。

也就是说，直接看$R^{-1}$就可以知道坐标系B是什么样子，自然就可以直观理解从从A到B的变换矩阵$T$是个什么样的变换了。