在三维空间中，欧拉角是用来描述一个坐标系相对于另一个坐标系的方向的一种方式。当我们有两个不同的三维坐标系时，可以通过计算它们之间旋转矩阵的关系来推导出对应的欧拉角之间的转换关系。 下面详细介绍如何求两个不同三维坐标系下的欧拉角关系： --- ### 1. 理论基础 欧拉角通常是通过三个连续的基本旋转组合而成，常见的表示形式有 ZYX、ZXZ 等（称为旋转顺序）。假设我们有一个参考坐标系 \( O_{xyz} \)，以及它经过一系列旋转变换后的目标坐标系 \( O_{x'y'z'} \)。这两个坐标系之间的方向差异可以用一个 **旋转矩阵** 表示，记作 \( R \) （\( R \in SO(3) \)），其中 \( R \) 是正交矩阵且行列式为 +1。 从旋转矩阵到欧拉角的转化依赖于具体的旋转序列选择。例如对于ZYX序列（roll-pitch-yaw 角）： \[ R = \begin{bmatrix} c_\psi c_\theta & -s_\psi c_\phi + c_\psi s_\theta s_\phi & s_\psi s_\phi + c_\psi s_\theta c_\phi \\ s_\psi c_\theta & c_\psi c_\phi + s_\psi s_\theta s_\phi & -c_\psi s_\phi + s_\psi s_\theta c_\phi \\ -s_\theta & c_\theta s_\phi & c_\theta c_\phi \end{bmatrix} \] 这里 \( \phi, \theta, \psi \) 分别代表绕 X 轴、Y 轴 和 Z 轴的旋转角度。 --- ### 2. Python 实现步骤 我们可以借助 `scipy.spatial.transform.Rotation` 类来进行旋转矩阵与欧拉角之间的相互转换。 #### 示例代码 ```python from scipy.spatial.transform import Rotation as R import numpy as np def rotation_matrix_to_euler(R): """ 将旋转矩阵转化为欧拉角 (zyx 序列) :param R: 输入旋转矩阵 (numpy array, shape=(3,3)) :return: 对应的欧拉角 (yaw, pitch, roll), 单位为弧度 """ r = R.from_matrix(R) # 使用Rotation类创建对象 return r.as_euler('zyx', degrees=False) # 创建第一个坐标系到第二个坐标系的旋转矩阵 alpha, beta, gamma = np.radians([30, 45, 60]) # 第一坐标系欧拉角 rotation_initial = [ [np.cos(alpha)*np.cos(beta), -(np.sin(alpha)*np.cos(gamma)+np.cos(alpha)*np.sin(beta)*np.sin(gamma)), +(np.sin(alpha)*np.sin(gamma)-np.cos(alpha)*np.sin(beta)*np.cos(gamma))], [+np.sin(alpha)*np.cos(beta), +(np.cos(alpha)*np.cos(gamma)-np.sin(alpha)*np.sin(beta)*np.sin(gamma)), -(np.cos(alpha)*np.sin(gamma)+np.sin(alpha)*np.sin(beta)*np.cos(gamma))], [-np.sin(beta), +np.cos(beta)*np.sin(gamma), +np.cos(beta)*np.cos(gamma)] ] # 输出第二坐标系相对第一坐标的欧拉角 euler_angles_zyx = rotation_matrix_to_euler(rotation_initial) print("对应欧拉角:", np.degrees(euler_angles_zyx)) ``` 以上代码将给出新的坐标系相对于原始坐标系的角度差值。 --- ### 3. 注意事项 1. **奇异点问题**: 某些特定条件下可能会遇到万向锁（gimbal lock），这会导致某些自由度丢失，从而影响欧拉角的结果。 2. **旋转序列的选择**: 需明确所使用的欧拉角旋转序列，在实际应用中常见的是 XYZ 或 ZYX 序列。 ---