坐标系基础：世界坐标系、相机坐标系、图像坐标系、像素坐标系、激光雷达坐标系

做外参标定，说白了就是搞清楚不同传感器之间的空间位置关系。而这一切的起点，就是坐标系。我见过不少新手，上来就调参数，结果标定结果一塌糊涂。为什么？坐标系没搞明白。

今天咱们就把这五个坐标系彻底捋清楚。你想想看，一个点从激光雷达里测出来，到最后变成图像上的一个像素，中间经历了多少次坐标变换？嗯，至少四次。每一步都对应一个坐标系。

1. 世界坐标系（World Coordinate System）

世界坐标系是一个固定的参考系。它不随传感器移动而改变。我个人习惯把世界坐标系的原点放在车辆后轴中心，或者第一帧相机的位置。

为什么需要它？因为激光雷达和相机都在动。但世界坐标系不动。所有传感器的位姿，最终都要统一到世界坐标系下。

我在项目中遇到过一个问题：有人把世界坐标系的原点放在了车辆正前方10米处。结果所有标定参数都偏了。后来查了半天，才发现是坐标系定义不一致。所以，团队内部一定要统一世界坐标系的定义。

2. 相机坐标系（Camera Coordinate System）

相机坐标系是以相机光心为原点的三维坐标系。它的 Z 轴指向相机正前方，X 轴向右，Y 轴向下。嗯，这里要注意：相机坐标系的 Y 轴是朝下的，这和世界坐标系不一样。

相机坐标系的作用，是把世界坐标系中的点，转换到相机“眼里”的位置。说白了，就是回答一个问题：这个物体相对于相机，到底在哪儿？

我曾经在标定场上，因为相机坐标系定义反了，导致所有投影点都跑到了图像外面。当时急得满头汗。后来发现，只要把旋转矩阵的符号改一下就好了。这种坑，踩过一次就记住了。

3. 图像坐标系（Image Coordinate System）

图像坐标系是二维的。它的原点在图像平面的中心，也就是相机光轴与图像平面的交点。X 轴向右，Y 轴向下。

从相机坐标系到图像坐标系，靠的是透视投影。说白了，就是把三维空间中的点，通过小孔成像原理，映射到二维平面上。

公式很简单：

x = f * (X_c / Z_c)
y = f * (Y_c / Z_c)

其中 f 是焦距，(X_c, Y_c, Z_c) 是相机坐标系下的点坐标，(x, y) 是图像坐标系下的坐标。

4. 像素坐标系（Pixel Coordinate System）

像素坐标系才是我们最终看到的图像。它的原点在图像的左上角，u 轴向右，v 轴向下。单位是像素。

从图像坐标系到像素坐标系，就是一个缩放加平移的过程：

u = x / dx + u0
v = y / dy + v0

其中 dx 和 dy 是每个像素的物理尺寸，u0 和 v0 是图像中心点的像素坐标。

你想想看，一个三维空间中的点，经过世界坐标系→相机坐标系→图像坐标系→像素坐标系，最终变成了图像上的一个像素。每一步都有对应的矩阵运算。

5. 激光雷达坐标系（LiDAR Coordinate System）

激光雷达坐标系的原点通常在激光雷达的旋转中心。X 轴指向车辆前方，Y 轴指向左侧，Z 轴指向上方。注意，这和相机坐标系不一样。

激光雷达直接输出三维点云数据，每个点用 (X_l, Y_l, Z_l) 表示。单位也是米。

外参标定的核心任务，就是找到激光雷达坐标系到相机坐标系的变换关系。也就是一个旋转矩阵 R 和一个平移向量 t。

6. 坐标系变换总览

咱们把整个流程串起来。一个点从激光雷达出发，到图像上的像素，经历了：

1. 激光雷达坐标系 → 世界坐标系：通过激光雷达的外参（R_l, t_l）
2. 世界坐标系 → 相机坐标系：通过相机的外参（R_c, t_c）
3. 相机坐标系 → 图像坐标系：通过透视投影
4. 图像坐标系 → 像素坐标系：通过内参矩阵 K

实际上，我们通常把第1步和第2步合并，直接求激光雷达坐标系到相机坐标系的变换。这就是外参标定要解的问题。

7. 知识体系结构图

下面这张图，展示了五个坐标系之间的关系，以及外参标定的核心流程：

8. 总结一下

五个坐标系，层层递进。世界坐标系是全局基准，相机坐标系和激光雷达坐标系是传感器本地坐标，图像坐标系和像素坐标系是最终输出。

外参标定，就是打通激光雷达坐标系到相机坐标系的桥梁。内参标定，则是搞定相机内部的光学映射关系。两者缺一不可。

我在实际项目中，每次拿到新的传感器，第一件事就是确认坐标系定义。然后写一个简单的测试脚本，把几个已知点投影到图像上，看看对不对。这一步花不了多少时间，但能避免后面的大坑。

好了，坐标系基础就讲到这里。记住，坐标系是标定的地基。地基不稳，房子盖得再高也得塌。