旋转矩阵左右乘，弄清变换关系更重要

见牛羊

已于 2024-07-10 14:25:33 修改

阅读量1.4k

点赞数 5

分类专栏：人工智能文章标签：矩阵算法线性代数

于 2023-09-06 20:03:48 首次发布

本文链接：https://blog.csdn.net/weixin_41232202/article/details/132721989

版权

人工智能专栏收录该内容

3 篇文章 0 订阅

订阅专栏

关于矩阵左乘和右乘的区别，看了不少数学解释，但这些解释对我个人来说是数字的游戏，对做有物理含义的应用帮助不是很大（也可能是我水平不够）。这里我们既谈左右乘，又抛开左右乘，重点看旋转矩阵的实际使用含义。

旋转矩阵的乘法，在我目前做的方向上主要有两个用途：

求点的坐标（旋转矩阵和点相乘）
求新的旋转矩阵（旋转矩阵和旋转矩阵相乘）

0. 旋转矩阵的基本推导

我们假设有一个固定坐标系o-xyz，其绕Z轴逆时针旋转a角度，得到新的移动坐标系o-x'y'z'，如图所示。

注意这个变换关系的表述，是o-xyz通过旋转，得到新的坐标系o'-x'y'z'，那么从原坐标系到新坐标的旋转矩阵为：

$R_{O'O} = \begin{bmatrix} cosa & -sina \\ sina & cosa \end{bmatrix}$

下标的表示顺序非常的用重要，表示从O代表的o-xyz，变换到O'代表的o'-x'y'z'的变换关系。

1. 点的坐标变换

弄清楚上面的坐标系之间旋转矩阵表达的实际含义，先来看点的坐标变换。实际上旋转矩阵或者变换矩阵和点相乘，只有一种乘法顺序，即矩阵在左，点坐标在右，对于点来说始终是左乘一个旋转或者变换矩阵。而引起点的坐标变换的原因只有两个，点所代表的向量变化了，点所在的坐标系变化了。这两种变换对应的公式其实是统一的。

1.1 坐标系不变，点变化（向量旋转）

如上图所示，坐标系不变，点的位置经过旋转，到了一个新的位置（也可以看做向量的旋转）。计算公式为：

$P' = Rz(a) \cdot P$

这个不用多说，很符合我们的认知习惯，为了求出旋转后的P'，需要知道原始点P，以及P如何变化到P'的旋转变换关系。我们把这个变化关系的顺序写的清楚一些，Rp'p表示从p点变换到p'点的变换关系，方便下面比较。

$P' = Rp'p \cdot P$

1.2点不变，坐标系变换

如下图所示，原始坐标系为o-xyz经过绕z轴旋转角度a，得到新的坐标系o-x'y'z'。这个和0.基本推导中的图一致。图中p点的绝对位置没有发生变化，但是p点在两个坐标系中的表示一定不同，即p点在两个坐标系中的坐标不同。已知p点在o-xyz的坐标，求p点在o-x'y'z'中的坐标。

这个应用非常的常见，在自动驾驶场景中，经常已知将传感器坐标系下的点，和传感器坐标到世界坐标系的变换矩阵，求这个点在世界坐标系下的位置。

计算公式为：

$P' = Rz(a) \cdot P$

一般的公式都会写成上面的形式，P点是o-xyz坐标系下的坐标，P'是o-x'y'z'坐标系下的坐标。R实际上是o-x'y'z'变换到o-xyz的变换关系。换成下面的写法（Roo'表示o-xyz变换到o-x'y'z'的变换，这个下标的写法和定义非常的重要）这里的区别是，1.1中的旋转是主动旋转，1.2中的旋转是被动旋转。虽然下面的写法有点违背常规认知，但按照规定的解读确实是P点左乘一个从新坐标系变换到原坐标系的旋转矩阵，才能得到P’（P在新坐标系下的坐标）。

$P' = Roo' \cdot P$

2. 坐标系之间的变换

坐标系之间的变化涉及到左右乘的区别，但对于矩阵之间的乘法这种变化，明确下标表示和内项相消的数学表达，就可以忘掉左右乘。

2.1 关于矩阵及下标的描述

这个非常的重要，如果没有定义好矩阵下标和坐标系之间变化的关系，就会彻底陷入混乱。和上文中定义的方法一样。 $M_{1,2}$ 表示把坐标系 2旋转变换到坐标系1的矩阵变换关系。

2.2 内项相消及连续乘法

对于矩阵乘法来说，是遵循内项相消的。也就是说 $M_{1,3} = M_{1,2} * M_{2,3}$ 。这里，如果我们有坐标系3到坐标系2的矩阵变换关系 $M_{2,3}$ ，以及坐标系2到坐标系1的矩阵变换关系 $M_{1,2}$ ，就可以得到坐标系3转到坐标系1的变换矩阵了，即 $M_{1,3}$ 。

3. 既有点变换，又有坐标系变换

自动驾驶中经常涉及到这样的场景，已知世界坐标系到IMU坐标系的关系 $M_{imu,world}$ （这个通常可以从IMU中解算出来），雷达传感器坐标系到IMU坐标系的关系 $M_{imu,lidar}$ ，雷达传感器坐标系下的点 $P_{lidar}$ 。需要求世界坐标系下的P点坐标。按照上面的推到，可以得到下面的公式：