1、坐标变换基础：为什么数据回放需要坐标变换？从传感器坐标系到世界坐标系的映射逻辑

1.1 一个让我印象深刻的教训

先讲个故事吧。几年前我做自动驾驶数据回放，发现车辆明明直行，点云却一直在漂。排查了三天，最后发现是坐标变换参数写反了。嗯，从那以后，我再也不敢轻视坐标变换这个环节。

说白了，数据回放就是把传感器录下来的数据，重新放一遍。但传感器装在车上，车在动，世界在变。你录下来的数据，是传感器自己坐标系下的数据。回放时，你得把这些数据放到世界坐标系里，才能做后续分析。

这就是坐标变换存在的意义。

1.2 传感器坐标系 vs 世界坐标系

先搞清楚两个概念：

• 传感器坐标系：以传感器自身为原点。比如激光雷达，原点在雷达中心，X轴朝前，Y轴朝左，Z轴朝上。数据里每个点的坐标，都是相对于这个原点的。
• 世界坐标系：一个固定的全局参考系。比如以车辆启动位置为原点，或者以地图上的某个GPS点为原点。所有传感器的数据，最终都要统一到这个坐标系下。

你想想看，如果回放时不做坐标变换，会发生什么？

假设车辆右转，激光雷达也跟着右转。在雷达坐标系里，前方的一棵树，位置会从正前方变成左前方。但树在世界坐标系里根本没动。如果你不做变换，回放时树的位置就会跟着车转，这显然不对。

1.3 映射逻辑：从传感器到世界

这个映射逻辑，其实就三步：

1. 传感器自身位姿：知道传感器在世界坐标系下的位置和朝向。这通常由IMU、GPS或SLAM系统提供。
2. 外参矩阵：传感器相对于车辆坐标系的安装位置。比如激光雷达装在车顶，偏左10厘米，朝前倾斜2度。这些参数就是外参。
3. 坐标变换公式：把传感器坐标系下的点，通过旋转和平移，映射到世界坐标系。

公式长这样：

P_world = R * (R_sensor * P_sensor + T_sensor) + T_world

其中：

• P_sensor：传感器坐标系下的点
• R_sensor, T_sensor：传感器到车辆坐标系的旋转和平移（外参）
• R, T_world：车辆到世界坐标系的旋转和平移（位姿）

我个人习惯把这个过程叫做「剥洋葱」——从最里层的传感器坐标，一层层往外剥，直到世界坐标。

1.4 为什么回放时容易出错？

我在项目中遇到过几个常见坑：

• 时间戳不同步：传感器数据和位姿数据的时间戳没对齐。你拿10毫秒前的位姿去变换10毫秒后的点，结果肯定不对。
• 外参标定不准：安装时外参没标好，或者车辆使用久了外参发生了偏移。我曾经遇到过激光雷达支架松动，导致外参变了0.5度，结果回放时点云整体偏了十几厘米。
• 坐标系定义混乱：有的传感器用右手系，有的用左手系。有的X轴朝前，有的Y轴朝前。不统一的话，变换矩阵一乘，数据全乱套。

1.5 知识体系总览

下面这张图，帮你理清坐标变换在数据回放中的位置：

1.6 实际回放中的操作建议

做数据回放时，我建议你按这个顺序来：

1. 先检查时间戳：确保传感器数据和位姿数据的时间戳对齐。差1毫秒都不行。
2. 再验证外参：用一段静止的数据做测试。如果车辆不动，变换后的点云应该也不动。如果动了，说明外参有问题。
3. 最后做动态验证：让车辆直线行驶，看变换后的点云是否稳定。如果点云在水平方向有漂移，大概率是位姿数据不准。

1.7 总结

坐标变换不是高深的理论，它就是数据回放的基础设施。说白了，没有坐标变换，你录下来的数据就是一堆「废数据」——因为你看不懂它到底在描述什么。

记住三个关键词：外参、位姿、时间戳。把这三点搞定了，坐标变换就不会出大问题。