坐标系基础：世界坐标系、相机坐标系、图像坐标系、像素坐标系定义与转换关系

做激光雷达和相机联合标定，说白了就是搞清楚一件事：同一个物体，在激光雷达眼里和相机眼里，位置到底差了多少。而要解决这个问题，你首先得把四个坐标系玩明白。

我个人习惯把坐标系比作「翻译官」。传感器各自说各自的语言，你得通过坐标系转换，让它们能互相听懂。今天我就带你把这四个坐标系彻底捋清楚。

1. 世界坐标系：我们生活的真实世界

世界坐标系，你可以理解为「绝对参考系」。它不依赖任何传感器，是一个固定的三维直角坐标系。通常我们用 (X_w, Y_w, Z_w) 来表示。

我在项目中遇到过一个问题：两辆车在不同位置采集数据，如果各自定义自己的世界坐标系原点，那数据根本没法融合。所以，世界坐标系的原点和轴向，需要提前约定好。比如，以第一帧的激光雷达位置为原点，或者以某个标定板的角点为原点。

2. 相机坐标系：相机的「眼睛」

相机坐标系的原点在相机的光心，也就是镜头中心。Z轴指向相机的前方，X轴向右，Y轴向下（这是常见的右手系，但注意有些库用左手系）。

嗯，这里要注意：相机坐标系是三维的，它描述的是物体相对于相机的位置。我们用 (X_c, Y_c, Z_c) 表示。

你想想看，激光雷达的点云要投影到图像上，第一步就是把点云从世界坐标系转到相机坐标系。这一步叫「刚体变换」，说白了就是旋转加平移。

3. 图像坐标系：从三维到二维的「降维打击」

图像坐标系是二维的，原点在相机的成像平面上，通常位于图像的中心。我们用 (x, y) 表示，单位是毫米或米。

这里有个关键概念：针孔相机模型。三维空间中的点，通过光心投影到成像平面上，形成一个倒立的像。数学上就是相似三角形关系。

我曾经踩过一个坑：以为图像坐标系和像素坐标系是一回事。其实不是。图像坐标系是物理单位（毫米），而像素坐标系是离散的（像素个数）。这个区别，后面会细说。

4. 像素坐标系：你看到的「数字图像」

像素坐标系就是我们平时处理图像时用的坐标系。原点在图像的左上角，u轴向右，v轴向下。单位是像素。

为什么原点在左上角？因为计算机图像存储时，第一行第一列就是左上角那个像素。这是历史原因，但咱们得接受。

像素坐标 (u, v) 和图像坐标 (x, y) 之间，差了一个缩放和偏移。说白了，就是要把物理尺寸转换成像素个数。

5. 四个坐标系之间的转换关系

好了，四个坐标系都认识了。现在咱们看看它们怎么串起来。整个流程是这样的：

1. 世界坐标系 → 相机坐标系：刚体变换（旋转矩阵R + 平移向量t）
2. 相机坐标系 → 图像坐标系：透视投影（针孔模型）
3. 图像坐标系 → 像素坐标系：仿射变换（缩放 + 平移）

用数学公式表达就是：

// 世界坐标到相机坐标
[X_c, Y_c, Z_c, 1]^T = [R | t] * [X_w, Y_w, Z_w, 1]^T

// 相机坐标到图像坐标（归一化平面）
x = X_c / Z_c
y = Y_c / Z_c

// 图像坐标到像素坐标
u = fx * x + cx
v = fy * y + cy

其中 fx, fy 是焦距（像素单位），cx, cy 是光心在像素坐标系中的位置。这些参数就是相机的内参。

6. 一张图看懂整个流程

下面我用SVG画了一张流程图，把四个坐标系和它们之间的转换关系展示出来。你可以把它当作「坐标系转换地图」来用。

7. 实战中的坑与经验

讲完了理论，我分享几个实际项目中踩过的坑。

• 坐标系方向搞反：有一次我把相机坐标系的Y轴方向搞反了，结果点云投影到图像上，所有点都上下颠倒。排查了半天才发现是旋转矩阵的符号错了。
• 内参标定不准：相机内参不是一成不变的。温度变化、镜头松动都会导致内参漂移。我建议每隔一段时间重新标定一次。
• 忘记归一化：从相机坐标系到图像坐标系，一定要先除以Z_c。我见过有人直接拿(X_c, Y_c)当(x, y)用，结果投影全乱套了。

8. 总结一下

四个坐标系的关系，说白了就是一条流水线：世界坐标 → 相机坐标 → 图像坐标 → 像素坐标。每一步都有明确的数学公式，但实际工程中，细节决定成败。

我个人习惯把转换矩阵写成齐次形式，这样可以用矩阵乘法一次性完成。比如，把世界坐标直接映射到像素坐标：

// 齐次坐标形式
[u, v, 1]^T = K * [R|t] * [X_w, Y_w, Z_w, 1]^T

其中K是内参矩阵，[R|t]是外参矩阵。这个公式，就是激光雷达和相机联合标定的核心。

好了，坐标系基础就讲到这里。记住，坐标系转换是传感器融合的基石。这块搞不明白，后面的标定、融合、建图都会出问题。希望今天的分享对你有帮助。

可可精品资料库