4. 摄像头模组与EyeQ的联合标定对象
在EyeQ量产标定中，摄像头模组与EyeQ之间的联合标定并不是“把摄像头装上去再调一调”这么简单。EyeQ的感知算法依赖一套从像素到车辆坐标系的完整几何链路，这条链路上的每一个参数都会影响最终的目标定位、车道线拟合和测距精度。联合标定的本质，是把摄像头模组的光学、机械、电子特性，与EyeQ内部使用的坐标系、畸变模型和安装姿态统一到同一套可计算的参数体系中。本节围绕五类标定对象展开：内参、外参、畸变模型、安装角度，以及镜头与传感器特性，并说明它们如何共同作用于EyeQ的感知结果。
内参：像素与物理光线的映射关系
内参描述的是摄像头自身如何把三维空间中的光线投影到二维像素平面。最常用的是针孔模型加畸变修正，核心参数包括焦距 fx、fy，主点 cx、cy，以及可选的像素倾斜项 skew。对于EyeQ前视摄像头，内参决定了同一物理角度在图像上对应多少像素，也决定了目标在图像中的位置如何换算成角度。
以一枚典型前视模组为例，假设图像分辨率为 1920×1080，水平视场角约 100°，则水平焦距可近似为 fx ≈ (W/2) / tan(HFOV/2)。若 HFOV 为 100°，则 fx ≈ 960 / tan(50°) ≈ 805 像素。这个数值不是精确标定结果，而是用于理解量级的示例。实际量产中，fx、fy 的偏差会直接导致测距比例误差：若 fx 偏小 2%，同一目标在图像上的像素高度会偏大，EyeQ按标定值反算距离时就会偏近。因此内参标定通常要求重复性优于 0.1%～0.3%，并在EOL工位用标准靶标验证。
外参：摄像头相对车辆坐标系的位姿
外参描述摄像头坐标系相对车辆坐标系（通常为后轴中心或前保险杠中心）的旋转和平移。对EyeQ前视系统，最关键的是摄像头光轴相对车辆纵轴的水平偏航角、俯仰角和横滚角，以及摄像头安装位置的三维平移。外参决定了“图像中的目标”如何落到“车辆前方的真实位置”。
外参标定通常分为静态标定和动态标定。静态标定在EOL工位使用已知位置的标准靶板，通过多组对应点求解旋转矩阵 R 和平移向量 t；动态标定则在车辆直线行驶时，利用车道线、路面消失点等自然特征估计俯仰和偏航。量产中常把静态结果作为初值，再用动态标定做在线修正。外参中的俯仰角误差对远距离测距影响最大：俯仰角偏差 0.1°，在 100 m 处会产生约 0.17 m 的高度误差，进而影响目标接地点的判断。
畸变模型：从理想针孔到真实镜头的修正
真实镜头不可能完全符合针孔模型，广角前视镜头尤其明显。畸变模型负责把实际成像点映射回理想针孔模型。常见模型包括径向畸变 k1、k2、k3，切向畸变 p1、p2，以及鱼眼模型或多项式模型。EyeQ内部使用的畸变模型必须与标定阶段采用的模型一致，否则会出现“标定参数正确、但感知结果偏移”的问题。
畸变对感知的影响在图像边缘最明显。以径向畸变为例，若 k1 标定偏大，图像边缘的目标会被向外拉伸，EyeQ检测到的目标宽度和位置都会偏移。对于车道线检测，畸变会导致远处车道线弯曲程度被错误估计，影响车道保持的稳定性。因此畸变标定通常要求覆盖整个视场，尤其是图像四角和边缘区域，并在EOL阶段用多位置靶标验证残差。
安装角度：外参中的“姿态三兄弟”
安装角度是外参中最容易被单独强调的部分，因为它直接决定摄像头“看哪里”。偏航角（yaw）决定摄像头光轴相对车辆纵轴的左右偏转，俯仰角（pitch）决定上下偏转，横滚角（roll）决定图像是否倾斜。三者中，yaw 和 pitch 对EyeQ感知影响最大。
yaw 偏差会导致目标横向位置整体偏移。例如 yaw 偏左 0.5°，在 50 m 处目标会向右偏移约 0.44 m，EyeQ可能把本车道目标误判到相邻车道。pitch 偏差则影响目标接地点和距离估计，pitch 偏下会使远处目标在图像中偏高，EyeQ按标定值反算时可能把目标距离估远。roll 偏差主要影响车道线对称性和图像水平基准，严重时会导致车道线拟合出现系统性倾斜。量产EOL通常要求 yaw/pitch 标定残差小于 0.1°～0.2°，roll 小于 0.3°。
镜头与传感器特性：被忽视的“底层变量”
镜头和图像传感器特性虽然不直接出现在标定参数表中，却会通过图像质量间接影响EyeQ感知。镜头的调制传递函数（MTF）决定边缘清晰度，MTF 下降会使远处小目标模糊，降低检测置信度。镜头的暗角（vignetting）会使图像四角变暗，影响边缘区域的目标检测和车道线识别。图像传感器的像元尺寸、满阱容量、读出噪声和动态范围，则影响低照度下的信噪比和HDR场景下的细节保留。
这些特性在联合标定中的处理方式是：在标定前确认模组图像质量满足门槛，例如中心MTF在特定空间频率下不低于某阈值，四角暗角不超过一定比例；在标定中，若发现畸变残差在边缘区域异常增大，需要排查是镜头装配应力还是传感器倾斜导致；在EOL测试中，通过标准靶标图像同时检查清晰度、畸变和标定残差，避免“参数标定通过但图像质量不达标”的漏检。
五类对象的联合作用与量产验证
把五类对象放在一起看，它们构成一条从物理世界到EyeQ感知输出的完整链路：镜头与传感器特性决定原始图像质量；内参和畸变模型把像素映射到理想相机坐标系；外参和安装角度把相机坐标系映射到车辆坐标系；EyeQ在此基础上完成目标检测、车道线拟合和测距。任何一环偏差，都会在最终输出上放大。
量产EOL验证时，通常用一套标准靶标和已知场景同时检查这些对象。例如，在车辆前方 3 m、5 m、10 m 处放置已知尺寸和位置的靶板，采集图像后计算重投影误差；若重投影误差在图像中心小于 0.5 像素、边缘小于 1.5 像素，则认为内参和畸变模型可接受。再通过车辆直线行驶时的车道线消失点估计 yaw 和 pitch，与静态标定值对比，偏差超过阈值则触发重新标定或模组更换。这种“静态+动态”联合验证，是保证EyeQ感知一致性的关键手段。