3、标定基础概念：内参、外参、畸变、坐标系定义（车辆、传感器、世界）及标定目标

ADAS（高级驾驶辅助系统）的感知能力高度依赖摄像头、毫米波雷达、激光雷达等传感器的精确空间姿态与光学特性。传感器标定是连接“物理世界”与“数字图像/点云”的桥梁，其本质是求解一组数学参数，使传感器输出的原始数据能够被准确映射到统一的空间参考系中。本章将系统梳理标定涉及的四大基础概念——内参、外参、畸变与坐标系定义，并明确标定的最终目标。理解这些概念是后续进行标定操作、验证标定精度以及排查标定故障的基石。

3.1 内参（Intrinsic Parameters）——镜头与成像元件的固有属性

核心原理

内参描述了摄像头光学中心到像素平面的投影关系，是传感器自身的固有属性，不随安装位置变化。对于针孔相机模型，内参矩阵 K 通常表示为：

K = [ fx  0   cx ]
    [ 0   fy  cy ]
    [ 0   0    1 ]

其中，fx 和 fy 分别为 x、y 方向上的归一化焦距（单位：像素），cx 和 cy 为主点坐标（光轴与成像平面的交点）。对于激光雷达或毫米波雷达，内参则表现为距离分辨率、角度分辨率、扫描模式等固有参数。内参的准确性直接影响目标测距与定位的精度。

判断方法与操作流程

• 标定板法：使用棋盘格或圆点标定板，采集 10-20 张不同位姿的图像，通过角点检测与张正友标定算法求解内参。
• 自标定法：利用场景中的平行线、消失点等自然特征估算内参，精度较低，适用于在线快速校准。
• 出厂标定：摄像头模组在产线上通过高精度设备完成内参标定，并将参数烧录至 EEPROM 中。

案例拆解：某前视摄像头内参标定偏差导致测距不准

某车型在高速巡航时，AEB（自动紧急制动）系统误触发。排查发现，摄像头内参中的 fx 与出厂值偏差约 2.3%，导致 50m 处目标横向位置误差达 0.35m。通过重新进行棋盘格标定，更新内参后，横向误差降至 0.05m 以内。复盘经验：内参标定应定期校验，尤其在摄像头模组更换或维修后必须重新标定。

3.2 外参（Extrinsic Parameters）——传感器在车辆/世界坐标系中的位姿

核心原理

外参描述了传感器坐标系相对于车辆坐标系（或世界坐标系）的刚性变换关系，包含旋转矩阵 R（3×3）和平移向量 T（3×1）。外参标定的目标是求解 R 和 T，使传感器数据能够投影到统一的车体坐标系中。对于多传感器融合系统，外参标定是决定融合精度的关键环节。

操作流程

1. 将车辆停放在水平、开阔的标定场地，确保轮胎气压正常。
2. 在车辆前方 3-8m 处放置标定靶标（如棋盘格、反光板）。
3. 通过标定软件采集靶标在传感器中的观测值。
4. 利用最小二乘法或非线性优化求解 R 和 T。
5. 验证：将标定结果投影到图像上，检查边缘对齐误差。

3.3 畸变（Distortion）——镜头光学误差的数学建模

核心原理

镜头畸变是光线通过透镜时因折射率不均匀而产生的成像偏差，主要分为径向畸变和切向畸变。径向畸变使直线成像为曲线，表现为桶形或枕形；切向畸变源于镜头与成像平面不平行，导致图像梯形失真。畸变模型通常用多项式表示：

x_distorted = x * (1 + k1*r² + k2*r⁴ + k3*r⁶) + 2*p1*x*y + p2*(r² + 2*x²)
y_distorted = y * (1 + k1*r² + k2*r⁴ + k3*r⁶) + p1*(r² + 2*y²) + 2*p2*x*y

其中 r² = x² + y²，k1、k2、k3 为径向畸变系数，p1、p2 为切向畸变系数。

畸变校正流程

• 标定采集：拍摄多张不同角度的标定板图像，覆盖画面边缘与中心。
• 畸变系数求解：通过重投影误差最小化求解畸变参数。
• 图像去畸变：利用求解的系数对原始图像进行重映射，生成校正后的图像。

案例拆解：鱼眼摄像头畸变过大导致车道线识别断裂

某环视系统采用鱼眼镜头，原始图像边缘畸变严重，车道线在图像边缘处弯曲断裂。通过标定得到 k1=-0.35、k2=0.12、k3=-0.02，去畸变后车道线恢复直线。但发现去畸变后图像边缘分辨率下降，导致远处目标检测困难。解决方案：在去畸变的同时进行 ROI 裁剪，保留有效视野，并适当提高边缘区域的采样权重。

3.4 坐标系定义——统一空间参考的基石

核心原理

ADAS 系统涉及多个坐标系，各坐标系之间的转换关系是标定的核心内容。主要坐标系包括：

• 世界坐标系：固定于地面的全局参考系，用于描述车辆在道路中的位置，通常采用 ENU（东-北-天）或 UTM 坐标系。
• 车辆坐标系：以车辆后轴中心为原点，X 轴指向车辆前方，Y 轴指向左侧，Z 轴垂直向上（ISO 8855 标准）。
• 传感器坐标系：以传感器光学中心或雷达天线相位中心为原点，Z 轴指向传感器正前方。
• 图像坐标系：以图像左上角为原点的像素坐标系 (u, v)，或以光轴与成像平面交点为原点的物理坐标系 (x, y)。

坐标系转换链路

像素坐标 (u,v) → 图像物理坐标 (x,y) → 摄像头坐标 (Xc,Yc,Zc) → 车辆坐标 (Xv,Yv,Zv) → 世界坐标 (Xw,Yw,Zw)

每一步转换都依赖内参或外参矩阵。标定的本质就是求解这些转换矩阵中的未知参数。

实战场景：多传感器融合中的坐标系对齐

某测试车辆同时搭载前视摄像头、激光雷达和毫米波雷达。融合算法要求所有目标均在车辆坐标系下表示。初始标定后，发现摄像头检测到的目标与激光雷达检测到的目标在纵向距离上存在 0.3m 的系统偏差。排查发现，摄像头外参中的 Z 轴平移量标定错误（实际安装高度为 1.2m，标定为 1.15m）。修正后偏差降至 0.05m 以内。复盘经验：外参标定后必须进行交叉验证，使用不同传感器对同一目标的观测值进行一致性检查。

3.5 标定目标——从“看得见”到“测得准”

核心目标

标定的最终目标是建立传感器输出与三维空间点之间的精确映射关系，具体包括：

1. 几何精度：目标在图像中的位置误差 < 1 像素，测距误差 < 2%（50m 内）。
2. 时间同步：多传感器数据帧对齐，时间戳偏差 < 10ms。
3. 空间对齐：多传感器目标关联误差 < 0.1m（横向）和 0.2m（纵向）。
4. 鲁棒性：在不同光照、温度、振动条件下，标定参数保持稳定。

标定质量验证方法