如果已知一个旋转矩阵 \( R \)，我们可以将其转换为对应的欧拉角表示。注意，由于存在不同的欧拉角约定（例如 ZYX、XYZ 等），我们需要明确指定使用的角度序列。下面以最常用的“ZYX”顺序为例，展示如何通过 Python 和 NumPy 实现这一过程。 --- ### **Python 实现将旋转矩阵转化为欧拉角** #### 示例代码 ```python import numpy as np # 从给定的旋转矩阵提取对应欧拉角 (按ZYX顺序) def rotation_matrix_to_euler(R, order='zyx'): if order != 'zyx': raise NotImplementedError("当前仅支持 ZYX 角度序列") # 提取各个分量 r11, r12, r13 = R[0, :] r21, r22, r23 = R[1, :] r31, r32, r33 = R[2, :] # 特殊情况检测：gimbal lock （当 |r31| == 1） epsilon = 1e-6 # 防止浮点误差导致超出有效范围 if abs(r31) > 1 - epsilon: theta_z = 0.0 # gimbal lock 下 z 方向任意设置为零 sign_r31 = np.sign(r31) sin_beta = sign_r31 # 此处sinβ固定值±1 cos_beta = 0 # 因此cosβ=0 # atan2(y,x)=atan(y/x),这里因beta限制无需考虑更多细节 beta = np.arctan2(sin_beta, cos_beta + epsilon) alpha = np.arctan2(-sign_r31*r12,-sign_r31*r13) return np.degrees(np.array([alpha, beta, theta_z])) else: # 正常情形下求解各角度 beta = -np.arcsin(r31) # β ∈ (-π/2 , π/2) cb = np.cos(beta) # α 和 γ 的解析表达式 alpha = np.arctan2(r32/cb, r33/cb) theta_z = np.arctan2(r21/cb, r11/cb) return np.degrees(np.array([alpha, beta, theta_z])) # 测试部分 if __name__ == "__main__": # 给定某旋转矩阵作为例子 test_R = np.array([[ 0.8660254, -0.4330127, 0.25 ], [ 0.5 , 0.7071068, 0.5 ], [-0. , -0.544639 , 0.8386705]]) print("原始旋转矩阵 R:") print(test_R) # 调用函数获取其对应的欧拉角 angles = rotation_matrix_to_euler(test_R,'zyx') print("\n由该旋转矩阵导出的欧拉角 (单位: 度):") print(f"α={angles[0]:.2f}, β={angles[1]:.2f}, γ={angles[2]:.2f}") ``` --- ### **关键步骤说明** 1. **确定欧拉角计算公式** 根据 “ZYX” 欧拉角定义规则： 设 \( R_{Z}(\theta_Z)\cdot R_Y(\theta_Y)\cdot R_X(\theta_X) = R\) ，则有： ``` θ_X = arctan2( −R_23/R_33 ) θ_Y = arcsin( R_13 ) // 注意正负号判定避免越界 θ_Z = arctan2( −R_12 / R_11 ) ``` 2. **特殊条件处理** 当 \( |\text{R}[3][1]| ≈ ±1 \) 表明发生万向锁现象(Gimbal Lock)，此时无法唯一确定所有三个自由度的角度组合，需人为设定其中一个轴方向不变以便继续推导其余未知量。 3. **归一化与错误规避** 利用小阈值变量 `epsilon` 控制数值边界约束防止潜在除零异常及不稳定状况引发错误结果输出。 --- 上述实现针对一般场景已经足够精确可靠，并兼顾了理论层面可能出现的一些特殊情况讨论。当然实际应用中还可能涉及到更高精度需求或者其它定制化的调整优化措施。