1. 外参标定概述：什么是外参、为什么需要标定、标定的应用场景
大家好，我是你们的老朋友。今天咱们正式开始聊外参标定。
说实话，我入行那会儿，第一次听到「外参标定」这四个字，脑子里蹦出来的想法是——这玩意儿是不是跟相机镜头外面的参数有关？后来被师傅骂了一顿才明白，完全不是那么回事。
好，咱们不绕弯子，直接进入正题。
1.1 什么是外参？
外参，全称是「外部参数」。它描述的是一个传感器（比如相机、激光雷达）在世界坐标系中的位置和朝向。
你想想看，一个摄像头装在车上，它看到的画面是「以摄像头自己为中心」的。但我们要的是「这辆车在马路上的位置」。怎么把摄像头看到的坐标，换算成车或者世界的坐标？
答案就是——外参。
外参通常包含两部分：
- 旋转矩阵 R：描述传感器坐标系相对于世界坐标系的旋转关系
- 平移向量 t：描述传感器坐标系原点在世界坐标系中的位置
用数学公式表达就是：
P_world = R * P_camera + t其中 P_camera 是相机坐标系下的一个点，P_world 是它在世界坐标系下的坐标。
核心理解：外参就是「传感器坐标系」到「世界坐标系」的桥梁。没有它，你看到的点云和图像就是「飘」在空中的，跟真实世界对不上。
1.2 为什么需要标定？
好，问题来了——外参不是出厂就定好的吗？为什么还要标定？
嗯，这里有个坑。
理论上，你把摄像头拧在车上的那一刻，它的位置和角度就固定了。但实际中呢？
- 安装误差：你拧螺丝的时候偏了 0.5 度，这在视觉上可能就是几十个像素的偏差
- 振动和老化：车开久了，螺丝松了，摄像头歪了
- 更换维修：换个摄像头，位置变了，外参也得跟着变
我曾经在一个自动驾驶项目里遇到过这种事：标定完上路测试，一切正常。结果跑了三天，突然发现车道线检测全偏了。排查了半天，最后发现是摄像头支架被颠松了，外参变了。
所以，标定不是一次性的。它是一个持续维护的过程。
我的建议：量产车上最好设计一个「在线自标定」模块。每次启动时自动检查外参是否漂移，漂移了就自动修正。别等到出了问题再手动标，那太被动了。
1.3 标定的应用场景
外参标定不是实验室里的玩具，它在实际工程中无处不在。我挑三个最典型的场景聊聊。
自动驾驶
这是外参标定最「卷」的领域。
一辆 L4 级自动驾驶车，通常有：
- 6-12 个摄像头
- 1-3 个激光雷达
- 2-4 个毫米波雷达
- 1 个 IMU
这些传感器装在车上的不同位置，每个都有自己的坐标系。你要让它们「看到」同一个世界，就必须把它们的坐标系统一起来。
举个例子：
激光雷达检测到前方 10 米处有一个障碍物。摄像头也看到了同一个障碍物，在图像上的像素坐标是 (320, 240)。这两个信息怎么融合？
答案就是——通过外参，把激光雷达的点投影到图像上，或者把图像上的像素反投影到激光雷达坐标系中。
没有精确的外参，融合就是一句空话。
机器人
机器人领域的外参标定，我印象最深的是机械臂上的「手眼标定」。
机械臂末端装了一个摄像头，它要抓取桌上的一个杯子。摄像头看到了杯子的位置（在相机坐标系下），但机械臂需要知道杯子在「机械臂基座坐标系」下的位置。
这中间需要两个外参：
- 相机到机械臂末端的变换
- 机械臂末端到机械臂基座的变换（这个通常由机械臂的编码器给出）
我记得有一次，一个机器人抓取精度总是不够，查了三天，最后发现是相机安装板变形了，导致外参变了 0.2 毫米。就这 0.2 毫米，抓取成功率从 98% 掉到了 70%。
注意：机器人领域的外参标定，精度要求往往比自动驾驶还高。自动驾驶差个几厘米可能还能跑，机器人抓取差个 1 毫米，东西就抓不起来。
AR/VR
AR/VR 里的外参标定，很多人容易忽略。
你戴上 VR 头盔，头往左转，画面应该往右移动。这个「头转动」和「画面移动」之间的映射关系，本质上就是外参。
具体来说：
- 头盔上的 IMU 测量你的头部姿态
- 头盔上的摄像头（如果有）看到真实世界的特征点
- 系统需要把「IMU 坐标系」和「摄像头坐标系」对齐
这个对齐过程，就是外参标定。
我做过一个 AR 项目，用户戴上眼镜看虚拟物体，总觉得「飘」——明明应该贴在桌子上的，却感觉浮在半空中。最后发现是 IMU 和摄像头之间的外参标定精度不够，差了 0.1 度。就这 0.1 度，在 2 米远的距离上，误差就变成了 3.5 毫米。
用户的眼睛，比任何传感器都敏感。
1.4 知识体系总览
说了这么多，咱们用一张图把这一章的核心逻辑串起来。
这张图把咱们这一章的内容串起来了。左边是「是什么」，中间是「为什么」，右边是「用在哪」。底部是核心目标——统一坐标系，实现数据融合。
好，第一章就到这里。外参标定这个概念，说白了就是「让不同传感器说同一种语言」。后面我们会一步步深入，讲具体的标定方法、工具和实战技巧。
记住一句话：标定不是万能的，但不标定是万万不能的。
可可精品资料库