2. 坐标系与空间变换基础
做BEV感知，说白了就是要把不同视角的摄像头图像，统一到一个“上帝视角”的鸟瞰图里。这中间最绕不开的，就是坐标系和空间变换。我刚开始接触这块时，也被这些坐标系绕得头晕。但搞懂了它们，你就能理解摄像头是如何“看”世界的。
四个核心坐标系
我们先从最熟悉的开始，一步步说清楚这四个坐标系的关系。
1. 世界坐标系
世界坐标系是真实世界的绝对参考系。你可以把它想象成一个“宇宙原点”。比如，我们定义路面上某个红绿灯杆的底部为(0,0,0)，那么周围所有物体——车辆、行人、路标——都有了唯一的三维坐标(Xw, Yw, Zw)。
我个人习惯把世界坐标系的Z轴朝上，这样更符合直觉。在自动驾驶中，世界坐标系通常以车辆后轴中心为原点，或者以高精地图的某个固定点为原点。
2. 相机坐标系
相机坐标系是以摄像头光心为原点的三维坐标系。它的Z轴指向镜头前方，X轴向右，Y轴向下（注意，这和世界坐标系的Y轴方向可能不同）。
为什么要引入它？因为世界坐标系里的物体，要“进入”摄像头，必须先转换到以摄像头为中心的坐标系里。说白了，就是回答一个问题：“这个物体相对于我的摄像头，到底在哪个方向？”
3. 图像坐标系
图像坐标系是二维的，单位是毫米。它位于成像平面上，原点在光轴与成像平面的交点（也就是图像中心）。
这里有个关键点：相机坐标系里的三维点，通过透视投影，会落到图像坐标系上。这个投影过程，就是小孔成像模型的数学表达。
4. 像素坐标系
像素坐标系也是二维的，但单位是像素。它的原点在图像的左上角，u轴向右，v轴向下。
图像坐标系和像素坐标系之间，只差一个缩放和平移。说白了，就是把物理尺寸（毫米）转换成离散的像素坐标。
一句话总结：世界坐标系→相机坐标系（刚体变换）→图像坐标系（透视投影）→像素坐标系（离散化）。
坐标系转换公式
搞清楚了四个坐标系，接下来就是它们之间的数学关系。这部分公式是核心，我建议你亲手推导一遍。
世界坐标系 → 相机坐标系
这是一个刚体变换，包含旋转和平移。公式如下：
Xc = R * Xw + T其中：
- Xc 是相机坐标系下的坐标
- Xw 是世界坐标系下的坐标
- R 是3x3旋转矩阵
- T 是3x1平移向量
R和T合起来，就是相机的外参。外参描述了摄像头在世界坐标系中的位置和朝向。
相机坐标系 → 图像坐标系
这是透视投影，利用相似三角形原理：
x = f * Xc / Zc
y = f * Yc / Zc其中f是焦距，(x,y)是图像坐标系下的坐标。注意，这里Zc不能为0，否则投影无意义。
图像坐标系 → 像素坐标系
这是一个仿射变换，加上一个偏移：
u = x / dx + u0
v = y / dy + v0其中dx、dy是每个像素的物理尺寸，u0、v0是图像中心在像素坐标系中的坐标。
我的经验：在实际项目中，我们通常把上面三步合并成一个矩阵乘法，也就是相机内参矩阵K。K包含了焦距、像素尺寸、主点偏移等信息。这样做的好处是，一次矩阵运算就能完成从相机坐标系到像素坐标系的转换。
外参与内参详解
外参和内参，是理解相机模型的两把钥匙。我分别说说。
外参（Extrinsic Parameters）
外参描述的是摄像头在世界坐标系中的位姿。它包含：
- 旋转矩阵R：3x3，表示摄像头相对于世界坐标系的旋转
- 平移向量T：3x1，表示摄像头光心在世界坐标系中的位置
外参的物理意义很直观：你把摄像头放在哪里，朝哪个方向看。在BEV感知中，外参的标定精度直接影响鸟瞰图的拼接效果。
避坑指南：我曾经在项目里遇到过外参标定不准导致车道线错位的问题。后来发现是旋转矩阵的欧拉角顺序搞错了。不同库（比如OpenCV和MATLAB）对旋转顺序的定义可能不同，一定要确认清楚。
内参（Intrinsic Parameters）
内参描述的是摄像头本身的内部几何特性。它包含：
- 焦距fx, fy：单位是像素，通常fx和fy很接近
- 主点u0, v0：图像中心在像素坐标系中的坐标
- 畸变参数：径向畸变(k1,k2,k3)和切向畸变(p1,p2)
内参矩阵K通常写成：
K = [[fx, 0, u0],
[0, fy, v0],
[0, 0, 1]]内参是摄像头出厂时就确定的，但实际使用中会因为温度、震动等因素发生微小变化。所以，定期标定内参是个好习惯。
注意：畸变校正必须在投影之前完成。否则，你得到的像素坐标会带有畸变误差，导致BEV视角下的物体位置偏移。我见过有人跳过畸变校正直接做投影，结果车辆位置偏差了半米多。
知识体系结构图
下面这张图，把整个坐标系转换的流程串起来了。你可以把它当作一个“路线图”。
实际项目中的坑与技巧
理论说完了，聊聊实战中容易踩的坑。
- 坐标系方向：不同传感器（摄像头、激光雷达、IMU）的坐标系定义可能不同。比如，有的把Z轴朝前，有的朝上。做融合时，必须先统一到同一个坐标系下。
- 畸变校正顺序：一定要先做畸变校正，再做投影。顺序反了，结果全错。
- 外参标定精度：外参的微小误差，在远距离处会被放大。比如，一个0.1度的角度误差，在50米外会导致约8.7厘米的位置偏差。所以，标定板要尽量大，覆盖整个视野。
- 内参稳定性：摄像头内参不是一成不变的。温度变化、镜头松动都可能导致内参漂移。我建议每3-6个月重新标定一次内参。
一个小技巧：在代码里，我习惯用齐次坐标来表示所有变换。这样，旋转和平移可以合并成一个4x4矩阵，一次乘法搞定。既简洁又高效。
好了，坐标系与空间变换的基础就讲到这里。这部分内容虽然偏理论，但它是BEV感知的基石。你想想看，如果连摄像头怎么“看”世界都没搞懂，后面做BEV特征提取、目标检测，那不就成了空中楼阁吗？