机器人理论(2)信息矩阵:旋转矩阵与角度的相互转化

版权声明: https://blog.csdn.net/aic1999/article/details/82415357

引言

都知道旋转矩阵表达的是刚体(坐标系{B})相对参考坐标系{A}的姿态信息,那如何利用旋转矩阵\large _{B}^{A}\textrm{R}将{A}旋转一定角度变成与{B}一样的姿态呢?有几种方法:Fixed angles、Euler angles、angle-axis表达法、Quaternion表达法等,在此介绍前两种。

注:关于“相对旋转”、“自旋转”、“信息矩阵”,由于并不知道中翻的专业名词,为了更好理解都是我自己的翻译。

目录

相对旋转(Fixed angles)

X-Y-Z型公式:

举例:

自旋转(Euler angles)

以Z-Y-Z型为例的公式:

举例:

信息矩阵(Homogeneous transformation matrix)

信息矩阵的作用

信息矩阵的运算特性


相对旋转(Fixed angles)

围绕固定的坐标系转动。固定坐标系的原点,坐标系再围绕已经固定的轴转动,全程坐标系的轴不动。可理解为“定轴”转。

注意!移动位置的顺序可以调换,但是旋转的顺序不能调换,结果不一样。

以X-Y-Z型为例子:即先围绕X轴进行转动γ°,然后围绕Y轴进行转动β°,最后围绕Z轴进行转动α°。注意逆时针为正方向。

X-Y-Z型公式:

重点:先转的轴的\large R放后面运算,如下

举例:

由角度推旋转矩阵

由旋转矩阵推角度

【解释】在这一题,我们可以借助我在“机器人理论(一)”文章中“旋转矩阵的特性和作用”的第三小节的公式,直接使用

\large R_{Y}\large R_{X} 两个矩阵,并且结合定轴旋转的“先转的放后面”,直接\large R_{X}\large R_{Y}相乘即可。




自旋转(Euler angles)

围绕当下(自己)的坐标系某轴转动,就是固定被围绕的某一轴,另两轴动,每次旋转,整个坐标系都会改变位置。

以Z-Y-Z型为例的公式:

重点:先转的轴的\large R放前面运算,如下

举例:

矩阵转角度:

角度推旋转矩阵直接代公式就行,在这略。

【解释】在这一题,我们可以借助我在“机器人理论(一)”文章中“旋转矩阵的特性和作用”的第三小节的公式,直接使用

\large R_{Z}\large R_{X} 两个矩阵,并且结合自旋转的“先转的放前面”,直接按照顺序相乘即可。


在(一)中我们已经知道如何表达位置信息的表达和姿态信息,就可以将它们合在信息矩阵里,以此表达刚体的空间信息。

信息矩阵(Homogeneous transformation matrix)

包括物体的位置信息与姿态信息的矩阵,其实就是记录姿态信息的旋转矩阵和位置信息的合成。最后一行为固定数字0001。

  • 信息矩阵的作用

该矩阵的三个作用与旋转矩阵一致

(1)可以描述坐标系{B}相对于{A}的空间信息:\large \large _{B}^{A}\textrm{T}

(2)可以将某物体在坐标系{B}上的空间信息转换到{A}上(Mapping)

它的运算像上面提到的相对旋转,先转的放后面。

举例:

(3)可以得出同一个坐标系{A}中的某向量P旋转某角度θ后的坐标(operator)

它的运算有点像上面提到的自旋转,先转的放前面。

证明:

举例:

  • 信息矩阵的运算特性

(1)连续性:\large _{}^{A}\textrm{P}=_{B}^{A}\textrm{T}_{C}^{B}\textrm{T}_{ }^{C}\textrm{P}=_{C}^{A}\textrm{T}_{ }^{C}\textrm{P}

旋转矩阵也有同样性质。

(2)反矩阵=转置矩阵:\large \small _{B}^{A}\textrm{T}^{^{-1}}=\small _{A}^{B}\textrm{T}

信息矩阵特性的实际应用:利用已知的T关系,求解出未知关系的 T 矩阵

吐槽:csdn的文章编辑排版也太烂了.....这个图片缩放跟闹着玩一样缩不缩都一样。

猜你喜欢

转载自blog.csdn.net/aic1999/article/details/82415357