3、标定基础概念：内参、外参、时间同步、空间同步、标定目标与精度指标
激光雷达、相机与IMU的离线标定，本质上是求解三个传感器之间精确的几何变换关系与时间偏移关系。在动手采集数据之前，必须清晰理解标定涉及的几个核心概念：内参描述传感器自身的映射属性，外参描述传感器之间的刚体变换，时间同步解决运动过程中的数据对齐问题，空间同步解决坐标系统一问题。而标定目标与精度指标则决定了整个标定流程的验收标准。本章将逐一拆解这些基础概念，为后续的标定实操打下坚实的理论根基。
上图展示了标定基础概念的整体框架。内参与外参描述了几何映射关系，时间同步与空间同步则分别从时间维度和空间维度保证数据的一致性。精度指标是衡量标定结果好坏的量化标尺。下面逐一展开。
3.1 内参：传感器自身的“出厂基因”
核心原理
内参是描述传感器自身物理特性的参数集合，它不依赖于传感器在空间中的安装位置。对于相机，内参包括焦距（fx, fy）、主点坐标（cx, cy）以及径向畸变系数（k1, k2, k3）和切向畸变系数（p1, p2）。对于激光雷达，内参包括扫描角分辨率、距离测量精度、垂直视场角范围等。对于IMU，内参包括陀螺仪和加速度计的尺度因子、零偏（bias）以及安装误差角。内参的准确性直接影响外参标定的精度——如果相机内参不准，即便外参再精确，投影后的点云与图像也无法对齐。
判断方法与操作流程
相机内参通常使用棋盘格或AprilTag进行标定，常用工具为OpenCV或Kalibr。操作流程为：采集20-30张不同姿态的棋盘格图像，检测角点，通过最小化重投影误差求解内参。激光雷达内参一般由厂商出厂时给定，但使用前应通过标准反射板验证距离精度。IMU内参则需要通过静止放置和旋转实验来估计零偏和尺度因子。
| 传感器 | 内参内容 | 标定方法 | 典型精度要求 |
|---|---|---|---|
| 相机 | fx, fy, cx, cy, k1, k2, p1, p2 | 棋盘格/标定板 + OpenCV | 重投影误差 < 0.5px |
| LiDAR | 角分辨率、距离精度、强度校准 | 出厂标定 + 现场验证 | 距离误差 < 2cm |
| IMU | 尺度因子、零偏、安装角 | 静止/旋转实验 + Allan方差 | 零偏稳定性 < 10°/h |
3.2 外参：传感器之间的“刚性纽带”
核心原理
外参描述了两个传感器坐标系之间的刚体变换关系，通常表示为4×4的齐次变换矩阵T，包含旋转矩阵R（3×3）和平移向量t（3×1）。在激光雷达-相机-IMU系统中，需要标定三个外参：LiDAR到Camera的变换T_L_C、IMU到LiDAR的变换T_I_L，以及IMU到Camera的变换T_I_C（可由前两者推导）。外参标定的本质是寻找一组参数，使得同一时刻观测到的同一物理点在不同传感器坐标系下的表示一致。
判断方法与操作流程
外参标定通常采用目标板法或自然特征法。目标板法使用带有已知几何特征的标定板（如棋盘格、圆形阵列），通过提取特征点并建立对应关系，求解变换矩阵。自然特征法则利用场景中的角点、边缘等特征，通过迭代最近点（ICP）或非线性优化求解。操作流程包括：数据采集（确保标定板在视野内）、特征提取、对应点匹配、初始值估计（如使用PnP算法）、非线性优化（如使用Levenberg-Marquardt算法）。
3.3 时间同步：让数据“同频共振”
核心原理
时间同步解决的是不同传感器数据在时间轴上的对齐问题。由于各传感器独立工作，其采样时刻和延迟各不相同。例如，相机曝光时刻与LiDAR扫描时刻存在偏移，IMU的采样频率通常远高于LiDAR和相机。时间同步分为硬同步和软同步：硬同步通过硬件信号（如PPS脉冲）实现微秒级对齐；软同步则通过时间戳插值或优化方法估计时间偏移。
判断方法与操作流程
判断时间同步是否准确，可以观察运动场景下点云投影到图像的重叠情况。若存在时间偏移，运动物体会出现“拖影”或错位。操作流程为：① 记录各传感器的时间戳；② 计算时间偏移t_offset；③ 使用插值或优化方法补偿偏移。常用的工具包括ROS的message_filters和time_synchronizer。
3.4 空间同步：统一坐标系
核心原理
空间同步是将所有传感器数据统一到同一坐标系下。通常选择IMU坐标系或世界坐标系作为基准。空间同步的核心是外参的准确应用：将LiDAR点云通过T_L_C变换到相机坐标系，再通过相机内参投影到图像平面；将IMU数据通过T_I_L变换到LiDAR坐标系，用于运动补偿。空间同步还包括去除运动畸变——当LiDAR扫描时平台在运动，点云会产生畸变，需要利用IMU数据进行校正。
判断方法与操作流程
判断空间同步是否准确，可通过可视化检查：将点云投影到图像上，观察边缘是否对齐。操作流程为：① 确定基准坐标系；② 应用外参进行坐标变换；③ 进行运动畸变校正；④ 验证投影精度。常用的验证方法是计算重投影误差，即点云投影点与图像特征点之间的像素距离。
3.5 标定目标与精度指标
核心原理
标定目标是在给定约束下，找到最优的内参和外参组合，使得所有观测数据的残差最小化。精度指标是衡量标定结果质量的量化标准。常用的精度指标包括：重投影误差（像素）、旋转误差（度）、平移误差（厘米）、时间偏移误差（毫秒）。这些指标需要在标定完成后通过独立的验证集进行评估。
判断方法与操作流程
精度评估流程为：① 预留一部分数据不参与标定；② 使用标定结果将LiDAR点云投影到图像；③ 计算投影点与图像特征点的距离；④ 统计平均误差和最大误差。若平均重投影误差小于1像素，旋转误差小于0.1°，平移误差小于2cm，则认为标定结果满足要求。
| 精度指标 | 符号 | 典型阈值 | 测量方法 |
|---|---|---|---|
| 重投影误差 | RPE | < 1px | 点云投影 vs 图像特征 |
| 旋转误差 | δR | < 0.1° | 与真值对比 |
| 平移误差 | δt | < 2cm | 与真值对比 |
| 时间偏移 | t_offset | < 1ms | 互相关分析 |
3.6 常见误区与总结复盘
常见误区
- 误区一：忽略内参更新。相机内参可能因温度、振动而漂移，标定前应重新标定。
- 误区二：时间同步不严格。在运动场景下采集数据时，时间偏移会严重污染外参标定结果。
- 误区三：验证集与训练集混用。使用参与标定的数据评估精度，会得到过于乐观的结果。
- 误区四：忽略运动畸变。LiDAR扫描过程中平台运动会导致点云畸变，需用IMU数据进行校正。
总结复盘
本章系统梳理了标定基础概念。内参是外参标定的前提，时间同步是数据对齐的保障，空间同步是融合应用的基础，精度指标是验收的标尺。在实际项目中，建议按照“先内参、后外参、再时间同步、最后联合优化”的流程推进。每个环节都需要设计独立的验证方案，确保最终标定结果满足系统需求。