postgis 平面坐标系转化_浅谈坐标系转换在智能车动力学控制中的应用01

随着高级驾驶辅助(ADAS)及自动驾驶在汽车行业的兴起，从多传感器融合感知->智能决策算法->准确安全的执行，这三个系统层面的概念备受从业者的关注。 在日常工作中，会发现小小的坐标系转换渗透在智能车控制的各个层面：

1. 目标识别： 在多传感器融合时，需要将不同位置的传感器数据转化到车辆统一的一个坐标系下（如车辆后轴中心的对地投影点）；
2. 整车动态控制： 控制方程是基于牛顿第二定律建立的，必须要求运动学参数 （速度、加速度）度量由非惯性系转向惯性系；
3. 路径规划和追踪： 位置坐标数据需要从车辆坐标系转化为固定的大地坐标系。

基于以上三个出发点可见，坐标系转换有着广泛的应用背景。以下首先明确两个基本概念：参考系（Reference frame）和 坐标系（Coordinate system）:

参考系：用于定义观测者和目标物运动状态关系。（通俗讲就是“看运动”，偏向于感性的描述）

如下图 ：

来自网络资源

坐标系： 属于一种方法，用来在特定的参考系中定量的去描述运动参数（位置、速度等），这里已经引入量化概念。

由此可见参考系和坐标系两个概念既有联系，又有各自的明确不同点。

那么到底都有哪些不同的坐标系和参考系呢？以下介绍几种常见分类：

-坐标系：

1. 笛卡尔坐标系 （Cartesian coordinate）

2. 极坐标系（Polar coordinate）

3. 本征坐标系（Intrinsic coordinate）

• 参考系

1. 惯性参考系（如大地）
2. 非惯性参考系（如车身）

通常我们说的大地坐标系、车身坐标系其实无形中是参考系和坐标系两个概念的结合。通俗讲“就像是一个拿着标尺准备随时测量运动，可随意变换位置的观测者”。

那究竟怎么进行坐标系的转换呢？？（推荐大家回顾一下大学物理中对刚体运动的教学内容，其思想对于理解坐标系转换有相当重要的作用）

首先我们拿位置矢量坐标为例，如果物体在二维平面只做平移运动，很简单，对应坐标只做加减运算：

如果物体在二维平面做旋转运动呢？ 这里就必须引入坐标系旋转矩阵来做变换了，如下图：

看到上面的旋转矩阵，就不得不说一下“矩阵”这个非常司空见惯但又充满乐趣的概念。

未完待续。。。