1. 刚体运动基础概述

刚体运动学是机器人学中最基础也最重要的数学工具之一。在实际机器人开发中，我们需要精确描述机械臂末端执行器的位置和姿态，规划运动轨迹，进行坐标变换等，这些都离不开刚体运动的数学表达。

刚体是指在运动过程中不会发生形变的物体，它具有6个自由度：3个平移自由度和3个旋转自由度。描述刚体运动主要有两种方式：基于欧拉角的描述和基于旋转矩阵的描述。本文将重点介绍后者，因为矩阵表示法在计算机实现和连续运动描述中具有明显优势。

提示：刚体运动描述是机器人运动学、动力学、轨迹规划等高级主题的基础，建议读者务必掌握这部分内容。

2. 旋转矩阵与姿态描述

2.1 旋转矩阵的定义与性质

旋转矩阵是用来描述刚体在三维空间中旋转的3×3矩阵。设有一个固定在刚体上的坐标系B相对于参考坐标系A发生了旋转，那么坐标系B到坐标系A的旋转矩阵可以表示为：

R = [x_B y_B z_B]

其中x_B、y_B、z_B分别是坐标系B的三个坐标轴在坐标系A中的单位向量表示。

旋转矩阵具有以下重要性质：

1. 正交性：R^T R = I
2. 行列式为1：det(R) = 1
3. 逆矩阵等于转置矩阵：R^-1 = R^T

2.2 基本旋转矩阵

绕单个坐标轴旋转的矩阵称为基本旋转矩阵：

1. 绕x轴旋转θ角： R_x(θ) = [1 0 0; 0 cosθ -sinθ; 0 sinθ cosθ]

2. 绕y轴旋转θ角： R_y(θ) = [cosθ 0 sinθ; 0 1 0; -sinθ 0 cosθ]

3. 绕z轴旋转θ角： R_z(θ) = [cosθ -sinθ 0; sinθ cosθ 0; 0 0 1]

这些基本旋转矩阵可以用来构造更复杂的旋转。

3. 齐次变换与刚体运动

3.1 齐次坐标与齐次变换矩阵

为了同时表示旋转和平移，我们引入齐次坐标和齐次变换矩阵。齐次变换矩阵是一个4×4的矩阵，形式如下：

T = [R p; 0 1]

其中R是3×3的旋转矩阵，p是3×1的平移向量。

齐次变换矩阵可以表示坐标系之间的变换关系。设有坐标系A和B，点P在B系中的坐标为P_B，在A系中的坐标为P_A，则有：

P_A = T_A^B P_B

3.2 齐次变换矩阵的运算

齐次变换矩阵支持以下重要运算：

1. 复合变换：T_A^C = T_A^B T_B^C
2. 逆变换：(T_A^B)^-1 = T_B^A = [R^T -R^T p; 0 1]

这些运算在机器人运动学中非常有用，例如在描述机械臂末端执行器位置时，通常需要将多个关节的变换矩阵相乘。

4. 旋转的其他表示方法

4.1 欧拉角表示法

欧拉角通过绕三个不同的轴依次旋转来描述姿态。常见的欧拉角序列有：

• ZYX欧拉角（roll-pitch-yaw）
• ZYZ欧拉角

欧拉角的优点是直观，但存在万向节锁问题，且不便于插值计算。

4.2 四元数表示法

四元数是一种紧凑的姿态表示方法，由一个实部和三个虚部组成：

q = w + xi + yj + zk

四元数避免了欧拉角的万向节锁问题，且计算效率高，适合用于姿态插值和滤波。

5. 刚体运动的计算机实现

5.1 旋转矩阵的实现技巧

在实际编程中，旋转矩阵的实现需要注意以下几点：

1. 数值稳定性：由于浮点数计算的舍入误差，旋转矩阵可能会逐渐失去正交性，需要定期进行正交化处理。

2. 内存布局：在C/C++中，矩阵通常按行优先存储；在MATLAB中，按列优先存储。

3. 运算优化：利用SIMD指令或GPU加速矩阵运算。

5.2 常用数学库的使用

以下是一些常用的数学库及其特点：

1. Eigen（C++）：轻量级，高性能，支持矩阵运算和几何变换
2. NumPy（Python）：易用性强，适合快速原型开发
3. ROS tf库：专为机器人设计的坐标变换库

6. 刚体运动在机器人学中的应用

6.1 正向运动学

正向运动学通过关节角度计算机械臂末端执行器的位姿。以6自由度机械臂为例，其正向运动学可以表示为：

T_0^6 = T_0^1 T_1^2 T_2^3 T_3^4 T_4^5 T_5^6

其中T_i-1^i表示第i个关节的变换矩阵。

6.2 逆向运动学

逆向运动学根据末端执行器的期望位姿求解关节角度。这是一个非线性问题，通常需要数值解法或解析解法。

6.3 轨迹规划

在轨迹规划中，我们需要在起点和终点之间插值出平滑的位姿序列。使用旋转矩阵时，不能直接对矩阵元素进行线性插值，而需要使用更高级的插值方法，如四元数插值。

7. 常见问题与解决方案

7.1 旋转矩阵的正交性丢失

问题：经过多次运算后，旋转矩阵不再满足R^T R = I。

解决方案：

1. 定期进行正交化处理，如Gram-Schmidt正交化
2. 改用四元数表示旋转，只在需要时转换为矩阵

7.2 万向节锁问题

问题：使用欧拉角时，在特定角度会丢失一个自由度。

解决方案：

1. 避免使用欧拉角进行连续旋转计算
2. 改用旋转矩阵或四元数

7.3 坐标变换顺序错误

问题：变换顺序错误会导致错误的结果。

解决方案：

1. 明确坐标系定义和变换顺序
2. 使用清晰的变量命名，如T_A_B表示从B到A的变换

8. 进阶学习建议

1. 深入学习李群和李代数在刚体运动中的应用
2. 了解螺旋理论在机器人运动学中的应用
3. 实践机器人仿真工具如PyBullet或Gazebo
4. 研究现代机器人学教材中的相关章节

在实际机器人项目中，我发现正确理解和使用刚体运动描述可以避免很多潜在问题。特别是在涉及多个坐标系变换时，建议绘制坐标系关系图帮助理解。另外，在性能敏感的应用中，合理选择旋转表示方法（矩阵、欧拉角或四元数）可以显著提高计算效率。