今天就来理解这个表示。这个表示一般有两种叫法（假设B代表body，C代表camera）。

1. 相机坐标系到载体坐标系的变化。
   1. 本质意思是如果有一个点的坐标是在camera坐标系中表示的，如果我们要将其在body坐标系中表示。可以左乘这个变换矩阵。
2. Camera pose respect with body。
   1. with的意思其实是在什么坐标系下的。所以对于都最右边一列直接提取出来的三维坐标，正好是camera的中心坐标，在body坐标系下的表示。
   2. 也相当于把camera坐标系中的原点乘以，就能得到camera在body坐标系下的位置的表示。
   3. 也表示camera在body坐标系中的位置和camera自己的朝向无关（不需要使用旋转信息就能得到位置）。

上面主要在说位置和平移，关于旋转可以这样理解：

1. 表示的旋转是把camera坐标系的三个轴，在body坐标系中表示出来。也就是把camera坐标系中的（0,0,1），（0,1,0），（0,0,1）三个点使用转换到body坐标系中。
2. 如果把坐标系看作一个有三条线的模型，可以把body坐标系对应的模型旋转成对应的camera模型。
   1. 具体旋转的方式可以借用欧拉角，ZYX的欧拉角旋转，可以使用坐标轴模型，按照zyx顺序做三次旋转。每次都画一个新的坐标系，这样整个旋转可以手动完成。
   2. https://www.andre-gaschler.com/rotationconverter/这里可以互动的研究旋转的几种表示的关系。

如果你在一个世界坐标系中，把一个模型从A pose，变换为B pose。这样的一个变换矩阵等于是把A坐标系中的点（模型的顶点），在B坐标系中表示出来。而在世界中可视化出来的A和B的关系是把A和B模型的顶点都表示在世界坐标系中。

可以分为旋转和平移两次操作。

1. 正向操作是先旋转在加上平移。（C中的点在B中表示）
2. 反向操作是先减去平移在乘以旋转的转置。（B中的点在C中表示）

当你要使用集合信息来手动计算的时候。

1. 先在B中写出C的坐标，这对应的平移部分。
2. 画出B和C的坐标轴模型。
3. 看怎么使用zyx的顺序，把B的坐标轴模型旋转为C。从而计算出欧拉角。
4. 把欧拉角写成旋转矩阵。

在SLAM中，经常世界坐标系就是第一帧的坐标系。如果第一帧和物体移动方向不一致，就会出现计算的点云倾斜。这个时候可以把传感器的坐标系进行一些旋转后再送入SLAM中计算。这等价于强制让物体的移动方向在传感器坐标系中是和轴对齐的。