1. 课程导入与工程全景

在 ADAS 与自动驾驶系统中，前视摄像头的图像质量与几何一致性，直接决定了车道线检测、车辆识别、交通标志识别等感知算法的稳定性。Mobileye EyeQ 系列芯片（EyeQ3/EyeQ4/EyeQ5 及后续 EyeQ6）作为车载视觉处理的核心 SoC，其摄像头标定与成像链路是一条从光学、机械、电气到算法、数据的完整工程链条。本课程的目标，是让读者能够独立理解并处理这条链路上的关键问题：从镜头装配偏差、ISP 参数配置，到内外参标定、畸变校正，再到与感知算法的接口对齐。

一、为什么需要“标定 + 成像链路”的整体视角

很多工程师在遇到“车道线偏移”“目标测距不准”“图像边缘模糊”等问题时，第一反应是去调算法阈值，但真正的原因往往在更前端：镜头与传感器的相对位姿偏差、ISP 的坏点校正或去噪参数不当、标定板采集时的光照与角度不理想、内外参求解时坐标系定义不一致等。EyeQ 的成像链路是一条“信号链”，任何一个环节的参数错误都会向后传播，最终表现为感知结果异常。因此，本课程不把标定和成像链路拆成孤立知识点，而是按“光→电→数字→几何→感知”的顺序建立整体认知。

二、整体架构：从光子到感知结果

EyeQ 摄像头系统的典型链路可以概括为：镜头（Lens）→ 图像传感器（CMOS Sensor）→ 串行器/解串器（SerDes，如 GMSL/CSI-2）→ EyeQ 内部 ISP（图像信号处理）→ 标定与几何校正模块 → 感知算法输入。其中，ISP 负责黑电平校正、镜头阴影校正（LSC）、坏点校正、去马赛克、白平衡、伽马、锐化等；标定模块负责内参（焦距、主点、畸变系数）与外参（相机相对车体坐标系的旋转和平移）的求解与应用。

上图展示了本课程的核心对象与数据流：光学与电气层负责把场景转换为数字图像；ISP 层完成像素级校正；标定模块在离线阶段求解参数，并在运行时把参数应用到几何校正；最终校正后的图像进入感知算法。理解这条链路，才能在出现问题时快速定位是“光学问题”“ISP 问题”还是“标定问题”。

三、关键模块与工程关注点

1. 镜头与传感器匹配。镜头的焦距、视场角、畸变曲线必须与传感器靶面尺寸匹配。例如，某前视摄像头采用 1/2.7 英寸传感器、有效像素 1920×1080，镜头焦距 3.6 mm，水平视场角约 100°。若镜头畸变较大（如桶形畸变），则必须在 ISP 或标定阶段进行校正，否则边缘区域的车道线会明显弯曲。

2. ISP 参数配置。EyeQ 的 ISP 提供 LSC（镜头阴影校正）、坏点校正、去马赛克、白平衡、伽马、锐化等模块。LSC 需要基于标定得到的亮度衰减曲线进行补偿；去马赛克算法影响边缘伪彩；伽马曲线影响暗部细节。这些参数不是“调一次就完”，而是需要根据实际光照条件（白天、夜晚、隧道出入口）进行标定和验证。

3. 内外参标定。内参描述相机自身的几何特性，包括焦距 fx、fy，主点 cx、cy，以及径向畸变 k1、k2、k3 和切向畸变 p1、p2。外参描述相机相对于车体坐标系的位姿，通常用旋转矩阵 R 和平移向量 T 表示。标定过程一般使用棋盘格或圆点靶标，采集多组不同位姿的图像，通过角点检测和优化求解得到参数。重投影误差是判断标定质量的关键指标，通常要求小于 0.3 像素。

4. 坐标系约定。本课程统一采用以下约定：相机坐标系原点在光心，Z 轴沿光轴向前，X 轴向右，Y 轴向下；车体坐标系原点在后轴中心，X 轴向前，Y 轴向左，Z 轴向上。外参标定即求解相机坐标系到车体坐标系的变换。所有图示和公式均以此为准，若切换参照系会明确说明。

四、学习路径与实战目标

本课程按“认知→配置→标定→验证→排障”的路径展开。前几章建立整体架构与坐标系约定；随后进入 ISP 参数配置与图像质量评估；再深入内参、外参标定的采集、求解与验证；最后通过典型故障案例（如车道线偏移、测距偏差、图像边缘模糊）训练排障能力。每个模块都配有可操作的示例参数、检查清单或计算过程，读者可以跟随课程完成一次完整的标定流程。

五、实战目标与成果形式

完成本课程后，读者应能够：独立完成一次前视摄像头的内参标定，并判断重投影误差是否达标；根据实际图像质量调整 ISP 关键参数（LSC、伽马、锐化）；理解外参标定的采集要求与验证方法；在出现感知异常时，按“光学→ISP→标定→算法”的顺序快速定位问题环节。课程中会提供标定参数记录表、ISP 配置检查清单和故障排查决策表等可直接使用的成果，帮助读者把知识转化为工程能力。

下一阶段的学习将从 EyeQ 的硬件接口与摄像头模组选型开始，逐步深入到每一个模块的具体配置与调试。请先建立“整条链路”的视角，再进入细节，这样在遇到问题时才不会迷失在单点参数中。