对于大多数用户来说坐标转换是一个“黑箱”，不了解这个部分并不影响用户愉快的使用模拟器，但理解ROS以及Autolabor Simulation的坐标转换机制能帮助用户更好的控制他们的机器人，也使他们能够更快的查找出编码中可能出现的问题。
在ROS中，坐标轴规定可以参考 ROS-REP 103 ，坐标系可以参考 ROS-REP 105 ，为了方便大家的理解，这里结合模拟器做简单的讲解
常规用来表示三维位置关系时，使用的是右手坐标系，何为右手坐标系呢？我们来看下图：
通常相对于我们的身体而言
举例:
坐标点 (3,4,5) 表示距原点 前3个单位 ，并向 左4个单位 以及向 上5个单位 的位置。
有了三维坐标轴的定义，那么对于旋转的定义也就比较容易了，对于一个三维空间里面的旋转，可以分解成绕着坐标轴的旋转。旋转的方向使用右手法则定义：
一般来说
举例:
我们通常用来表述小车运动的二维平面指的是 X-Y平面 ，也就是X轴和Y轴张成的平面，在这个平面中，用来描述 小车转弯的角 就是绕Z轴的旋转，也就是经常说的 航向角 。Z轴朝上，所以按照右手法则可以知道小车向 左转为正，右转为负 。
空间中的同一位置，在不同坐标系下，其坐标值也不相同。
在上图中，有两个坐标系，分别为坐标系A和坐标系B，其中 橘红色坐标轴 表示 X轴 (朝前)， 蓝色坐标轴 表示 Y轴 (朝左)。对于 坐标系A 中，粉色的圆点的坐标为 (3, -3) ，对于 坐标系B 中，粉色的圆点的坐标为 (5, 1)
在ROS中，定义了许多坐标系，这里介绍几个常见的坐标系，为了比较直观的解释这几个坐标系，我们使用一个小例子来说明。
在刚开始的时候，按照之前坐标轴的定义，将小车的朝向方向作为X轴，正左方标识为Y轴，并将小车所在的位置定义为原点，如图(1-1)。
如图(1-2)，在原点插一面小旗子，并控制小车行驶一段距离，这个时候我们能得到三个位置信息
在上面的例子中，三个坐标值都相同。但真实情况下，三个坐标值由于测量误差或者其他原因导致坐标值并不相同，然而这三个坐标都用来表示小车中心在空间中的位置，这就引出了不同坐标系
假设对于上面描述的三种测量是以下结果
那么坐标系表示如图(1-3)
模拟器除了沿袭上面讲述的两个坐标系(odom, map)之外，同时还引入了真实坐标系(real_map)。
由于是模拟器，所以可以精确的知道小车的真实位置，在autolabor_simulation_base模块中，会发布两种坐标系的坐标
对于map坐标系下的坐标，并不由模拟器产生，而是通过上层的定位算法得到的，这部分在后面的讲解中可以看到。
我们往往希望找到一种量化的方法去评价算法的优劣，这样对于调整算法或者某些参数有很大的帮助。在使用真实机器人去测试，需要借助外界测量工具去测量，并且需要想一些巧妙的办法让这些测量合理并且准确。但使用模拟器就能够比较方便的解决这个问题。
模拟器能对传感器数据添加噪声，从而来模拟真实情况。将有噪音的数据带入算法中，如果得到的数据很接近“真实数据”，那么我们就能认为这个算法比较好。
比如我们使用AMCL算法对小车进行定位，其中里程计和激光雷达数据都带有噪音，这个时候我们可以得到在map坐标系下的坐标，同时我们能得到小车在real_map坐标系下的坐标，我们就可以使用这两个坐标的距离来判断定位的准确性。
在后面的实验中，我们可以使用这个特性对一些算法进行评测。
