tf坐标系旋转平移问题（欧拉角、内部旋转、外部旋转）

前言

在标定相机和雷达外参时，不可避免的会遇到tf坐标转换。
在分析标定结果时，用ros的tf工具进行坐标系平移旋转的转换，发现了一个有点意思的问题:
不同的yaw, roll, pitch 会得到相同的旋转坐标系，在此之前，我都是按照roll -> pitch -> yaw的旋转顺序进行旋转。查阅了一下相关资料，这与内部旋转（intrinsic rotations）、外部旋转（extrinsic rotations）有关。
在这篇文章中，我们不说数学证明，我们只说一些更加直观的、看得到的东西便于各位的运用与分析。

想看数学证明的可以看一下这篇文章。

相机雷达坐标系初始化

• 相机、雷达坐标系的初始化
  
  这里我们以RVIZ的tf坐标系为图来说明。
  红色的坐标系是X轴，绕着X轴旋转称为roll；
  绿色的坐标系是Y轴，绕着Y轴旋转称为pitch；
  蓝色的坐标系是Z轴，绕着Z轴旋转称为yaw；
  三个轴都以右手坐标系方向为正

static_transform_publisher（tf2_ros ）

发布一个tf2话题，让坐标轴（Axes）显示在rviz中

• static_transform_publisher格式(launch文件)

<launch>
<node 
    pkg="tf2_ros" 
    type="static_transform_publisher" 
    name="your_tf_name" 
    args="x y z yaw pitch roll parent_frame_id child_frame_id"/>
</launch>

parent_frame_id是主坐标系
child_frame_id是从坐标系
也就是说，你应该发布（publish）一个从parent_frame_id到child_frame_id的坐标转换。
特别的，下面的例子将以相机(Camera)为主坐标系，以雷达（Lidar）为从坐标系进行说明。

外部旋转（extrinsic rotations）

• extrinsic rotations
  这里的extrinsic指的是围绕绝对不动的坐标系轴旋转。
  TIPS:“绝对不动”并不准确，应该是说以初始的坐标系轴，比如下面的Camera轴进行旋转。
  这也是我刚开始认识到的旋转坐标轴：
• 让我们先publish一下tf2转换

<launch>
<node 
    pkg="tf2_ros" 
    type="static_transform_publisher" 
    name="lidarLeftTransform" 
    args="1.0 0.0 0.0 0.0 -1.57 1.57 usb_cam velodyne1" />
</launch>

对于相机而言，他的坐标系是这样的：

问题来了，雷达的坐标如何用相机的坐标系表示呢？
平移我们就不用多说了：
translation = [1.0 0.0 0.0]
那么旋转呢？
对于extrinsic旋转来说，我们遵循 roll -> pitch -> yaw 的旋转方式
先绕X轴旋转，再绕Y轴旋转，最后绕Z轴旋转
在这里，我们有如下的操作：

1. 先绕Camera的X轴旋转 +90度， 也就是 +1.57弧度（rad）
   Camera -> Camera1

2. 再绕Camera的Y轴旋转 -90度（右手坐标系不要忘了）， 也就是 -1.57弧度（rad）
   Camera1 -> Camera2
   

• 旋转总览
  

• 总结
  在这里，你会发现，坐标轴的变换均遵从于初始的那个Camera轴，
  x y z roll pitch yaw的正负都遵从初始坐标轴的右手坐标系的关系，这样的旋转，我们称之为外部旋转，也就是extrinsic rotation。

内部旋转（intrinsic rotations）

• intrinsic rotations
  我们很容易想到，intrinsic和extrinsic那肯定是不相同了，extrinsic是根据不变的轴来旋转，那intrinsic就是根据变动的轴来旋转喽？
  答案是正确的。

• 让我们先publish一下tf2转换

<launch>
<node 
    pkg="tf2_ros" 
    type="static_transform_publisher" 
    name="lidarLeftTransform" 
    args="1.0 0.0 0.0 1.57 -1.57 0 usb_cam velodyne1" />
</launch>

对于intrinsic旋转来说，我们遵循 yaw -> pitch -> roll 的旋转方式
先绕Z轴旋转，再绕Y轴旋转，最后绕X轴旋转
在这里，我们有如下的操作：

1. 先绕Camera的Z轴旋转 +90 度， 也就是 +1.57 弧度（rad）
   Camera -> Camera1
   
2. 再绕Camera1（注意不是Camera）的Y轴旋转 -90 度， 也就是 -1.57 弧度（rad）
   Camera1 -> Camera2
   

• 旋转总览
  
• 总结
  在这里，你会发现，坐标轴的旋转变换均遵从于变化坐标轴，比如Camera->Camera1遵循的是Camera的右手坐标轴关系，Camera1->Camera2遵循的是Camera1的右手坐标轴关系。
  这样的旋转，我们称之为内部旋转，也就是intrinsic rotation。

总结

无论是内部旋转还是外部旋转，其最终得到的坐标轴是一样的。但不同的数得到相同的结果，这样合理么？

其实，欧拉角只是一个中间变量，最终其都需要转换成旋转矩阵(rotation_matrix)，旋转向量(rotation_vector) 和 四元数(quaternion) 来进行旋转平移的分析。

有时开玩笑的说，只有欧拉角是给人看的，其他的表示形式一出来，是个人都看不懂！🤡

欧拉角转换为以上三者的函数有很多，tf库、eigen库等等再C++和Python中都很常见，这里就不赘述了。

希望阅读此文的你能对欧拉角的一些特性有一些认识与理解，感谢您的阅读与支持，文中有错误的地方还希望各位批评与指教。