3. 坐标系与标定：让传感器“说同一种语言”
做自动驾驶感知，第一个绕不开的坎儿就是坐标系。你想想看，车上装了激光雷达、摄像头、毫米波雷达，每个传感器都有自己的“小世界”——它们各自定义原点在哪、哪个方向是X轴。如果不把这些坐标系统一到同一个框架下，那感知结果就是鸡同鸭讲。
我个人习惯把坐标系比作“方言”。每个传感器说自己的方言，标定就是请一个翻译，让所有方言都变成普通话。这个普通话，就是世界坐标系。
3.1 三大坐标系：你总得认识它们
先搞清楚三个最常用的坐标系。我在项目中见过不少新人搞混，结果融合出来的数据全是乱的。
3.1.1 车辆坐标系
车辆坐标系是整车的“基准坐标系”。一般定义如下：
- 原点：通常在后轴中心，或者车辆质心。不同车厂习惯不同，我建议统一用后轴中心，因为和运动学模型更匹配。
- X轴：车辆前进方向为正。
- Y轴：车辆左侧为正（右手系）。
- Z轴：车辆上方为正。
重要： 车辆坐标系是动态的。车在转弯时，坐标系也跟着转。所以做路径规划时，一定要考虑坐标系的变化。
3.1.2 传感器坐标系
每个传感器都有自己的坐标系。比如：
- 激光雷达：原点在激光雷达中心，X轴朝前，Y轴朝左，Z轴朝上。但有些雷达厂商把Z轴朝下，嗯，这里要注意。
- 摄像头：原点在光心，Z轴沿光轴方向朝前，X轴朝右，Y轴朝下（图像坐标系）。
- 毫米波雷达：原点在雷达天线中心，X轴朝前，Y轴朝左。
我曾经在项目里遇到过一个问题：某款激光雷达的坐标系定义和常规不一样，Z轴是朝下的。结果融合模块一直报错，查了两天才发现是坐标系符号反了。从那以后，我拿到新传感器第一件事就是看坐标系定义文档。
3.1.3 世界坐标系
世界坐标系是“绝对坐标系”。它不随车辆移动而改变。一般用UTM坐标系或者经纬度+高程。
- UTM坐标系：把地球投影到平面上，用东向和北向来表示位置。适合局部路径规划。
- 经纬度坐标系：WGS-84标准，适合全局导航。
说白了，世界坐标系就是一张大地图。车辆坐标系是你在车上的视角，传感器坐标系是你手里的工具。标定就是把工具测量的结果，映射到大地图上。
3.2 传感器外参标定原理
外参标定，就是求传感器坐标系到车辆坐标系的旋转矩阵和平移向量。数学上很简单：
P_vehicle = R * P_sensor + T其中R是3x3旋转矩阵，T是3x1平移向量。但实际做起来，坑不少。
3.2.1 旋转矩阵的表示方式
旋转矩阵有几种表示方式，我建议用欧拉角或者四元数：
| 表示方式 | 优点 | 缺点 |
|---|---|---|
| 欧拉角（Roll, Pitch, Yaw） | 直观，容易理解 | 有万向锁问题 |
| 四元数 | 无万向锁，插值平滑 | 不够直观 |
| 旋转矩阵 | 数学上严谨 | 参数多，冗余 |
我个人习惯用四元数做内部计算，用欧拉角做调试和可视化。为什么呢？因为四元数插值平滑，不会出现万向锁。但调试时看欧拉角更直观，一眼就能看出传感器装歪了多少度。
3.2.2 标定流程
外参标定一般分两步：
- 粗标定：用尺子量传感器安装位置，估算平移向量。旋转角度用水平仪或者直接目测。精度大概在厘米级和度级。
- 精标定：用标定板或者自然特征点，通过优化算法求精确的外参。精度可以达到毫米级和0.1度级。
小技巧： 粗标定别太随意。我见过有人直接用目测，结果精标定算法死活不收敛。粗标定误差控制在5厘米和2度以内，精标定才能稳定工作。
3.3 标定板与目标物标定方法
标定板是精标定的核心工具。常见的标定板有：
- 棋盘格：角点检测容易，适合摄像头标定。
- 圆形阵列：圆心检测精度高，适合激光雷达和摄像头联合标定。
- AprilTag：自带ID，可以同时做位姿估计和标定。
3.3.1 摄像头-激光雷达联合标定
这是最常见的标定场景。流程如下：
- 放置标定板，确保摄像头和激光雷达都能看到。
- 摄像头检测标定板角点，得到像素坐标。
- 激光雷达检测标定板平面，得到点云中的平面方程。
- 通过优化算法，最小化重投影误差，求外参。
我曾经在项目里遇到一个问题：标定板反光太强，激光雷达打上去全是噪点。后来换了哑光材质的标定板，问题就解决了。嗯，细节决定成败。
3.3.2 目标物标定方法
如果没有标定板，也可以用自然目标物。比如：
- 建筑物角点：用激光雷达检测墙角，摄像头也检测同一个墙角，然后匹配。
- 车道线：用摄像头检测车道线，激光雷达也检测车道线，然后对齐。
- 杆状物：路灯杆、交通标志杆，都是很好的标定目标。
注意： 自然目标物标定精度不如标定板。一般只用于在线标定或者粗标定。如果要做高精度融合，还是老老实实用标定板。
3.4 标定后的验证
标定完了，怎么知道标得准不准？我一般做三步验证：
- 可视化验证：把激光雷达点云投影到图像上，看边缘是否对齐。如果标定准确，点云应该刚好落在物体的轮廓上。
- 距离验证：在标定板前放一个已知距离的物体，看融合后的距离是否准确。
- 重复性验证：多次标定，看外参是否稳定。如果每次标定结果差异很大，说明标定流程有问题。
我记得有一次，标定结果看起来很好，可视化也对齐了。但实际跑车时，融合结果总是有偏差。后来发现是标定板放得太近，远距离的外参误差被放大了。从那以后，我标定时会放多个距离的标定板，确保远近都准。
3.5 本章知识体系
下面这张图总结了坐标系与标定的核心逻辑。你可以把它当作一个快速参考：
好了，坐标系与标定这部分就讲到这里。记住一句话：标定是感知融合的基石。标定不准，后面所有工作都是白费。我建议你在项目初期就建立一套标准的标定流程，并且定期验证标定精度。这样能省去后面很多排查问题的时间。
核心要点回顾：
- 三大坐标系：车辆、传感器、世界，必须统一
- 外参标定：求R和T，粗标定+精标定两步走
- 标定方法：标定板精度高，目标物灵活但精度低
- 验证三步走：可视化、距离、重复性
可可精品资料库