从传感器数据到全局定位：解析机体与导航坐标系的转换

1. 为什么我们需要坐标系转换？

想象一下你正在玩一款无人机模拟游戏。当你推动摇杆向前，无人机就会向前飞行——这是机体坐标系下的操作。但如果你想让无人机往"正北方向"飞行，就需要知道当前机头方向与地理北极的夹角。这个从"机身前后左右"到"东南西北上下"的转换过程，就是坐标系转换的核心价值。

在实际的惯性导航系统（INS）中，加速度计和陀螺仪测量的数据都是基于机体坐标系的。比如加速度计检测到X轴0.5g的加速度，这个X轴是跟着无人机机身一起旋转的。而导航系统需要的是"朝北偏东30度方向速度增加5m/s"这样的地理信息。这就好比把"我向前走了三步"翻译成"向东北方向移动了2.1米"。

2. 坐标系的基础定义

2.1 机体坐标系：移动的参照系

机体坐标系（Body Frame）是牢牢固定在运动物体上的三维坐标系。以消费级无人机为例：

• X轴：永远指向机头方向（通常是有螺旋桨或摄像头的一端）
• Y轴：指向机身右侧（从机尾看去的右手边）
• Z轴：垂直向下指向地面（符合右手定则）

这个坐标系会随着机体的每一个俯仰、横滚动作而旋转。我拆解过的大疆Mavic系列无人机，其IMU（惯性测量单元）的传感器数据就是以这个坐标系为基准输出的。实测发现当无人机做"点头"动作时，X轴加速度计读数会有明显波动，这就是典型的机体坐标系特征。

2.2 导航坐标系：不变的锚点

导航坐标系（Navigation Frame）则是固定在地球表面的全局参照系。最常用的是NED（北-东-地）坐标系：

• X轴：指向地理正北（不是磁北）
• Y轴：指向地理正东
• Z轴：垂直指向地心

在自动驾驶领域，高精地图就是建立在这样的坐标系中。去年测试某L4级自动驾驶系统时，其定位模块输出的车辆位置就是NED坐标，比如(39.9042°N, 116.4074°E, 50.3m)，这直接对应着导航坐标系的三个维度。

3. 传感器数据的坐标系特征

3.1 加速度计数据的秘密

机体坐标系下的加速度计读数包含两个关键信息：

1. 运动加速度：由机体运动产生
2. 重力分量：始终指向地心

举个例子，当四旋翼无人机悬停时：

python复制accel_body = [0.0, 0.0,