机器人导论总结-第二部分

第二章

位姿

位置

• 一个点在坐标系中的坐标
• 用${}^{A}P$矢量来描述

姿态

• 姿态是用来描述物体的，只确定物体上的一个点不足以确定该物体的姿态，比如空间中的一个四边形，我们确定其中一个点的坐标不变，其他点的坐标发生变化，四边形的姿态就发生变化，因此需要多个点才能确定或者描述一个物体的姿态。
• 更一般的，我们用相对于物体固定的坐标系来描述姿态是合适的，因为该坐标系相对于世界坐标系不发生变化，物体的姿态就不发生变化（物体上的任何一个点的坐标不发生变化）；而且三维坐标系足以描述世界中的各种可见物体，比如前面的四边形。
• 用旋转矩阵${}_B^{A}P$来描述

对位姿的描述就是位置和姿态

• 用$$\begin{gathered} B \\ = \\ {}_B^{A}P{,}^A{P}_{BORG} \end{gathered}$$描述

映射

坐标平移

• 坐标平移实际上是一个坐标点相对于不同坐标系的表示的变化
• 当坐标系$A$和坐标系$B$姿态相同时(两个坐标系的对应坐标轴都在同一水平线上);描述一个坐标点$P$从坐标系$B$平移到坐标系$A$;根据之前的符号表示,就是将${}^{A}P$转化为${}^{B}P$.
• 计算公式:${}^{A}P=$ ${}^{B}P+$ ${}^A{P}_{BORG}$ 其中(${}^A{P}_{BORG}$为坐标$B$原点相对于坐标系$A$的位置坐标)
  • 注意:你或许注意到,在上面的等式右侧相加的两个向量的上标并不相同,也就意味着两个变量是参考的不同的坐标系.那么为什么它们可以直接相加呢?
  • 解释:因为两个变量参考的坐标系的姿态相同,所以${}^{A}Q=(x,y,z{)}^T$与${}^{B}P$平行.将${}^{B}P$表示成$(x,y,z{)}^T$, ${}^A{P}_{BORG}$表示成$(a,b,c{)}^T$;.根据四边形法则${}^{A}P{=}^{A}Q{+}^A{P}_{BORG}=(x+a,y+b,z+c{)}^T$而${}^A{P}_{BORG}{+}^{B}P=(x+a,y+b,z+c{)}^T$,所以${}^{A}P{=}^{B}P{+}^A{P}_{BORG}$

坐标旋转

• 旋转的本质就是基于不同参考坐标的投影表示.
• 计算公式:${}^{A}P{=}_B^{A}R{\ast }^{B}P$
• ${}^A{P}_x{=}^B{X}_A{\ast }^{B}P$
• ${}^A{P}_y{=}^B{Y}_A{\ast }^{B}P$
• ${}^A{P}_z{=}^B{Z}_A{\ast }^{B}P$
• 解释:${}^B{X}_A$和${}^{B}P$都是在坐标系$B$中的表示,所以可以直接相乘.因为${}^{B}P$的分量为$P$在$X_B$等的投影,${}^B{X}_A{\ast }^{B}P$即为${}^{B}P$在${}^B{X}_A$上的投影,这正是$P$在$A$上的$x$方向的分量.因为${}^B{X}_A$正时$A$的$X$轴.
• ${}_B^{A}R={(}_A^{B}R{)}^{-1}={(}_A^{B}R{)}^T$

一般变换

• ${}^{A}P{=}_B^{A}R{\ast }^{B}P{+}^A{P}_{OBRG}$
• 先旋转后平移, 旋转后的向量与另一个向量都是在同一个坐标系中的表示,所以可以直接相乘.

齐次坐标

• 
• 其中等式右侧的矩阵为${}_B^{A}T$

算子

平移算子

• 

旋转算子

• 

变换算子

• 

变换的分类

绝对变换

• 先旋转后平移,依次左乘

相对变换

• 先平移后旋转,依次右乘

变换的计算

复合变换

• 

逆变换

• 已知${}_B^{A}T$,求${}_A^{B}T$
• 

参考

<<机器人学导论>>