齐次变换矩阵

概述

齐次变换矩阵（Homogeneous Transformation Matrix）是机器人学中用于描述刚体在三维空间中位姿（位置和姿态）的核心数学工具，通常表示为一个 $4 \times 4$ 的矩阵。该矩阵巧妙地将 $3 \times 3$ 的旋转矩阵 $R$ 和 $3 \times 1$ 的平移向量 $d$ 统一在一个结构中，使得旋转和平移的复合运算可以通过单一的矩阵乘法完成。在 Richard P. Paul 的经典著作中，它被确立为贯穿全书的统一数学语言，极大地简化了多连杆机器人运动学的建模与分析过程，避免了在不同坐标表示法之间转换的混乱。

关键内容

数学定义与结构

齐次变换矩阵 $T$ 的标准形式如下： $$ T = \begin{bmatrix} R & d \ 0 & 1 \end{bmatrix} = \begin{bmatrix} r_{11} & r_{12} & r_{13} & d_x \ r_{21} & r_{22} & r_{23} & d_y \ r_{31} & r_{32} & r_{33} & d_z \ 0 & 0 & 0 & 1 \end{bmatrix} $$ 其中，$R$ 是一个正交旋转矩阵，描述了坐标系的方向；$d$ 是平移向量，描述了原点的位置；底部行 $[0, 0, 0, 1]$ 是为了满足齐次坐标的性质，使得仿射变换可以线性化表示。点的坐标在齐次空间中表示为 $[x, y, z, 1]^T$，通过左乘变换矩阵即可完成坐标系的转换。

在机器人运动学中的应用

Paul 在《Robot Manipulators》中选择齐次变换矩阵作为统一工具，主要基于其优异的代数性质： 1. 变换的复合：两个连续的变换（先 $T_1$ 后 $T_2$）可以直接通过矩阵乘法 $T_{total} = T_1 \cdot T_2$ 得到，这使得描述由多个连杆组成的机器人链条变得异常简洁。 2. 逆变换：由于 $R$ 的正交性，齐次变换矩阵的逆可以通过简单的转置和向量运算快速求得，无需复杂的通用矩阵求逆算法，这对实时控制至关重要。 3. 统一性：无论是点的坐标变换、坐标系的描述，还是运动轨迹的插值，都可以在同一个 $4 \times 4$ 矩阵框架下完成。Paul 详细讨论了它与欧拉角、RPY 角、轴角表示等其他旋转描述方法之间的转换关系，建立了一个完整的数学工具箱。

与 DH 参数的结合

齐次变换矩阵是 Denavit-Hartenberg 参数方法的载体。在机器人建模中，每个关节 - 连杆对由四个 DH 参数（$a, \alpha, d, \theta$）描述，这些参数直接用于构造相邻连杆间的齐次变换矩阵 $A_i$。整个机器人的正向运动学方程即表现为一系列 $A_i$ 矩阵的连乘：$T_{0n} = A_1(\theta_1) A_2(\theta_2) \cdots A_n(\theta_n)$。这种程序化的建模方法不仅降低了工程师的工作量，还为后来的计算机辅助建模工具（如 MATLAB Robotics Toolbox, ROS URDF）提供了理论基础。

历史地位与现代演变

虽然齐次变换矩阵在 1981 年之前已被部分研究者使用，但正是通过 Paul 的著作，它才真正成为机器人学的“宪法级”标准。直至今日，尽管旋量理论（Screw Theory）和积指数公式（PoE）提供了另一种优雅的数学框架，齐次变换矩阵因其直观性和与现有工业标准（如 DH 参数）的完美契合，仍然是工业机器人编程、标定和控制中最常用的数学工具。在现代软件框架如 MoveIt! 和 OpenRAVE 中，其底层运动学引擎依然依赖于这一经典表示法。

来源

raw/books/机器人学/05-paul-robot-manipulators-mathematics.md