3. 标定基础概念
在智能驾驶系统中，传感器、执行器与算法模型共同构成一条从感知到控制的闭环链路。任何环节的参数偏差，都会在闭环中被放大，最终表现为车辆行为异常。标定（Calibration）正是把这条链路中“名义模型”与“真实物理世界”对齐的工程手段。它既不是一次性的出厂动作，也不是单纯的参数写入，而是一套贯穿研发、生产与售后的参数确定与验证过程。
一、标定的定义与本质
标定是指通过测量、试验与优化，确定系统模型中未知或不确定参数取值的过程，使系统输出与真实物理量之间建立可复现、可验证的映射关系。其本质包含三层含义：
- 物理对齐：让传感器坐标系、车辆坐标系、世界坐标系之间的转换关系与真实安装状态一致，例如相机外参、激光雷达安装角、IMU 安装矩阵。
- 模型修正：补偿理论模型未覆盖的非理想因素，如镜头畸变、轮胎滑移、制动迟滞、电机响应延迟。
- 性能调优：在满足安全与法规约束的前提下，通过参数寻优使舒适性、精度、响应速度等指标达到设计目标。
因此，标定输出的是“参数集”，但交付的是“可预期的系统行为”。一个未标定或标定错误的系统，即使算法逻辑完全正确，也可能出现车道线偏移、目标测距跳变、AEB 误触发等严重问题。
二、标定的分类：离线/在线与静态/动态
工程中常用两个正交维度描述标定方式：按发生时机分为离线标定与在线标定；按车辆运动状态分为静态标定与动态标定。二者组合可覆盖绝大多数标定场景。
| 分类维度 | 类型 | 典型场景 | 特点 |
|---|---|---|---|
| 时机 | 离线标定 | 产线四轮定位、相机内参标定、雷达安装角标定 | 环境可控、精度高、耗时长，参数固化后写入 ECU |
| 在线标定 | 行驶中相机外参自修正、IMU 零偏在线估计 | 依赖实时观测，可补偿老化与载荷变化，需防误收敛 | |
| 状态 | 静态标定 | 车辆静止、靶标摆放、转台测试 | 激励单一、重复性好，适合几何类参数 |
| 动态标定 | 直线加减速、蛇形、双移线、坡道行驶 | 激励丰富，可辨识动力学与延迟类参数 |
三、标定参数类型与作用
智能驾驶标定参数可按作用对象分为四类，每类参数直接影响不同的功能链路。
- 几何类参数：相机内参（焦距、主点、畸变系数）、外参（旋转、平移）、雷达安装角、多传感器联合标定矩阵。作用是保证空间信息在统一坐标系下正确融合。
- 动力学类参数：轮胎侧偏刚度、横摆惯量、制动/驱动延迟、转向传动比。作用是让控制算法预测的车辆响应与真实响应一致。
- 信号与时间类参数：传感器时间戳偏移、CAN 报文周期、滤波截止频率、执行器死区。作用是保证多源数据在时间上对齐、在频域上稳定。
- 功能策略类参数：AEB 触发阈值、ACC 跟车时距、车道保持力矩上限、舒适性加速度限值。作用是把安全与体验目标转化为可执行的数值边界。
这些参数并非孤立存在。例如，相机外参误差会直接导致 AEB 测距偏差，进而使触发阈值失效；制动延迟标定不准，会让 ACC 跟车出现“点头”或“拖拽”感。因此，标定必须按链路整体考虑，而非单点调参。
四、典型场景：从产线到在线的标定链路
以一辆具备前视相机、毫米波雷达与 IMU 的乘用车为例，其标定链路通常如下：
- 产线静态标定：车辆停放在四轮定位台上，使用靶标完成相机内参、外参及雷达安装角标定，参数写入域控制器。
- 下线动态验证：在厂区直线与弯道行驶，检查车道线拟合、目标测距与横摆角速度一致性，不合格车辆返工。
- 售后在线修正：车辆在使用中，通过车道线、路牌、GNSS 等观测，在线估计相机外参漂移与 IMU 零偏，并在置信度足够时更新参数。
- OTA 参数更新：当算法版本升级或发现批量偏差时，通过 OTA 下发新参数集，并记录版本与生效状态。
# 标定参数版本记录示例
calib_version: 2024.11.03
camera_front:
fx: 1250.32
fy: 1249.87
cx: 960.15
cy: 540.42
distortion: [ -0.121, 0.034, 0.0007, -0.0003 ]
extrinsic:
yaw: 0.12 deg
pitch: -0.35 deg
roll: 0.08 deg
imu:
gyro_bias: [ 0.0012, -0.0008, 0.0005 ] rad/s
accel_bias: [ 0.021, -0.015, 0.009 ] m/s^2
aeb:
ttc_threshold: 1.8 s
max_decel: 6.0 m/s^2
五、常见误区与复盘
误区一：把标定当成“写参数”。标定的核心是测量与验证，参数只是结果。没有验证的写入，等于把风险留给用户。
误区二：只做静态标定，忽略动态验证。静态几何正确不代表动态响应正确，轮胎、悬架、延迟等参数必须在动态工况下辨识。
误区三：在线标定无条件信任。在线估计可能被错误观测带偏，必须设置置信度门限、收敛判据与回滚机制。
误区四：参数版本管理缺失。不同车辆、不同软件版本混用参数，会导致问题无法复现，必须建立参数与车辆、软件版本的绑定关系。
复盘时，建议按“参数—链路—现象”三层追溯：先确认参数是否在允许范围内，再检查该参数影响的信号链路是否正常，最后对照实车现象判断是标定问题还是算法、硬件问题。只有把标定放回系统链路中理解，才能真正发挥其工程价值。