第2章 传感器选型与标定面试高频题：相机、LiDAR、IMU标定原理，内参外参，联合标定
本章导读：传感器标定是实现多模态感知融合的基石。面试中常从原理、内参外参、联合标定流程、误差评价四个维度深入考察。以下通过知识表格、回答框架图与三个高频问答卡片帮助你构建系统应对思路。
标定核心概念速查表
| 传感器 | 内参 | 外参 | 典型标定方法 | 常见畸变/误差 |
|---|---|---|---|---|
| 相机 | 焦距、主点、畸变系数 | 相机在世界系的位姿 | 张正友棋盘格标定 | 径向/切向畸变 |
| LiDAR | 扫描角度偏差、距离偏移 | LiDAR相对车体(或IMU)的位姿 | 平面靶标/自然特征匹配 | 非正交误差、温度漂移 |
| IMU | 加速度/角速度零偏、比例因子、轴间安装误差 | IMU相对车体/相机的外参 | 六面静止法、旋转激励 | 随机游走、温度漂移 |
| 联合标定 | — | 相机-LiDAR / LiDAR-IMU 之间6DoF变换 | 目标板/互信息/平面匹配 | 时间戳对齐、运动畸变 |
🎯 面试问题 1：请介绍相机内参、外参及畸变模型，并说明张正友标定法的核心步骤。
面试官考察点：
- 是否理解针孔模型与畸变产生的物理原因
- 能否清晰区分内参（fx, fy, cx, cy）与外参（R, t）
- 是否了解张正友法的闭合解+非线性优化流程
回答框架（三步法）：
- 定义：内参描述相机光心、焦距与像素映射关系；外参描述相机在世界系的位姿；畸变是镜头光学缺陷导致的像素偏移。
- 方法：张正友法——拍摄不同位姿的棋盘格 → 提取角点 → 利用单应性矩阵估计内参 → 畸变系数加入后LM优化。
- 结果验证：重投影误差小于0.5像素（典型值）。
简短示例回答：
相机内参包含焦距和主点，外参是R,t；畸变分径向和切向。张正友法先通过多张棋盘格图片利用单应性估计内参，再联合畸变系数做非线性优化，最终重投影误差通常在0.3~0.5像素。该方法鲁棒且无需3D靶标。
可能追问： 如果棋盘格本身平面度差怎么办？如何标定鱼眼相机？
避坑提醒： 不要忘记畸变模型包含3个径向(k1,k2,k3)和2个切向(p1,p2)；只说“k1,k2”可能扣分。另外注意标定板需覆盖视野边缘。
🎯 面试问题 2：如何标定LiDAR与IMU之间的外参？需要解决哪些关键问题？
面试官考察点：
- 是否理解LiDAR和IMU各自的坐标系定义与时间戳对齐难点
- 能否提出基于运动约束或平面特征的外参估计方案
- 是否考虑过运动畸变对点云的影响
回答框架（三步法）：
- 问题分解：LiDAR-IMU外参指从IMU系到LiDAR系的旋转和平移；关键难点是时间不同步与LiDAR点云运动畸变。
- 方法：常用方法A——将IMU在运动中的角速度/加速度积分，与LiDAR点云面元法向量对齐优化；方法B——使用目标平面，通过平面约束联合优化。
- 验证：使用测试集计算点云配准精度（点-面距离均方根）。
简短示例回答：
LiDAR-IMU标定的核心是求解6DoF外参。我通常采用“运动激励+平面约束”的方式：让机器人做多轴运动，利用IMU预积分预测LiDAR帧间运动，再通过点云平面拟合计算最优外参。同时需要做硬件时间同步或软件插值消除时间偏差。
可能追问： 如何同时标定LiDAR内参（如扫描角度偏差）和IMU内参（如零偏）？
避坑提醒： 不要只谈理论不讲实际方案。面试官希望听到具体操作：比如采集6分钟以上数据、包含俯仰滚转偏航三个轴的运动、使用ICP refinement。忽略时间同步会导致外参错误。
🎯 面试问题 3：相机与LiDAR联合标定的原理是什么？请描述一种常用的标定流程。
面试官考察点：
- 是否理解相机像素与LiDAR点云之间的投影几何关系
- 能否设计一个清晰的标定流程，包含数据采集、对应点/面匹配、优化
- 是否了解标定板设计与特征提取的常见技巧
回答框架（三步法）：
- 原理：通过已知的相机内参和LiDAR内参，建立从LiDAR点到相机像素的投影方程，求解外参R,t。
- 流程：① 设计棋盘格或特定靶标（如黑白棋盘+反光/镂空）→ ② 同时采集图像与点云 → ③ 提取图像角点与对应LiDAR平面/边缘点 → ④ 使用PnP或非线性优化最小化重投影误差。
- 精度：通常重投影误差<3像素，点云与图像边缘对齐清晰。
简短示例回答：
相机-LiDAR联合标定本质是求解刚体变换使点云投影与图像特征对齐。常用方法：布置棋盘格靶标，LiDAR打在平面上的点可提取棋盘格角点，再通过PnP求解外参。需要注意LiDAR点云稀疏时，需用棋盘格边缘或特殊标识物提高匹配精度。
可能追问： 如果场景中没有靶标，如何做自然场景下的在线联合标定？
避坑提醒： 不要忽略LiDAR与相机之间的时间戳对齐。另外标定数据需覆盖不同距离和角度，避免单视场病态。现场提问时强调使用“互信息最大化”或“深度边缘对齐”可作为较新的回答亮点。
💡 面试加分点总结：面试官期望你不仅知道原理，还能具体描述“如何采集数据、选择靶标、处理异常”。建议熟记张正友法公式中的单应性矩阵与闭环解；对LiDAR-IMU标定要能讲清楚“时间同步+运动畸变补偿”的实际操作；对于联合标定，可补充“滑窗优化”或“在线标定”以体现深度理解。