上帝视角：彻底搞懂坐标变换与旋转矩阵 (从 2D 到 齐次坐标)

在自动驾驶、机器人控制和 3D 游戏开发中，我们最常遇到的问题就是：“我的车/手/摄像机现在在哪里？头朝向哪里？”

解决这个问题的数学工具就是坐标变换。 虽然现成的库（如 TF2, glm, Eigen）能帮我们一键计算，但如果不理解底层的数学原理，一旦遇到“万向节死锁”或者“坐标系定义冲突”，你就会陷入无尽的 Debug 地狱。

本文将从最简单的 2D 旋转出发，带你推导整个坐标变换体系。

[Image of 3D coordinate system with roll pitch yaw axes]

01. 一切的起点：2D 旋转

1.1 极坐标推导法

假设在 2D 平面上有一个点 \(P\)，它的坐标是 \((x, y)\)。 我们想让它绕原点逆时针旋转 \(\theta\) 角，变成点 \(P'\)，坐标为 \((x', y')\)。

我们可以引入极坐标来辅助推导： 设点 \(P\) 到原点的距离为 \(r\)，与 X 轴的夹角为 \(\phi\)。

[Image of 2D rotation on unit circle polar coordinates]

则初始状态为：

旋转后，距离 \(r\) 不变，角度变成了 \(\phi + \theta\)。 新的坐标 \(x'\) 为：

利用三角恒等式 \(\cos(A+B) = \cos A \cos B - \sin A \sin B\) 展开：

同理，推导 \(y'\)：

1.2 矩阵形式

将上面的方程组写成矩阵乘法的形式：

中间这个 \(2 \times 2\) 的矩阵，就是2D 旋转矩阵 \(R(\theta)\)。

02. 主动旋转 vs 被动旋转 (最大的坑)

在看论文或代码时，你常会发现旋转矩阵的符号好像反了（正弦项的负号位置不同）。这通常是因为混淆了主动旋转和被动旋转。

[Image of active vs passive rotation transformation]

1. 主动旋转 (Active transformation)：
   • 点动，坐标轴不动。
   • 比如：把一个苹果在桌子上转 90 度。
   • 公式：就是我们上面推导的那个。
2. 被动旋转 (Passive transformation)：
   • 坐标轴动，点不动。
   • 比如：苹果不动，你自己歪着头看苹果（你的视野坐标系转了）。
   • 公式：相当于主动旋转了 \(-\theta\)。矩阵是主动旋转矩阵的转置 (Transpose)（也是逆矩阵）。

本文默认采用主动旋转。

03. 进阶：3D 旋转

3D 旋转比 2D 复杂得多，因为旋转轴多了。

3.1 基础旋转矩阵

绕 X、Y、Z 轴旋转的矩阵分别是 \(R_x(\alpha), R_y(\beta), R_z(\gamma)\)。 记忆口诀：绕谁转，谁的坐标就不变（对应的行和列是 1 和 0）。

• 绕 Z 轴（其实就是 2D 旋转扩展到 3D）：
  \[ R_z(\gamma) = \begin{bmatrix} \cos\gamma & -\sin\gamma & 0 \\ \sin\gamma & \cos\gamma & 0 \\ 0 & 0 & 1 \end{bmatrix} \]
• 绕 X 轴：
  \[ R_x(\alpha) = \begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos\alpha & -\sin\alpha \\ 0 & \sin\alpha & \cos\alpha \end{bmatrix} \]
• 绕 Y 轴（注意正弦项的符号位置，因为 \(z \times x = y\)）： $$ R_y(\beta) = \begin{bmatrix} \cos\beta & 0 & \sin\beta \ 0 & 1 & 0 \ -\sin