1. 外参标定概述：什么是相机外参、为什么需要标定、外参标定的应用场景

大家好，欢迎来到这门课。我是你们的讲师，一个在计算机视觉和机器人领域摸爬滚打了十来年的工程师。

咱们开门见山。今天聊的是整个课程的地基——相机外参标定。说白了，就是搞清楚你的相机在真实世界里到底站在哪儿、脸朝哪边。

先问大家一个问题：你拿着手机拍了一张照片，照片里的像素点，和现实世界中的那个点，是什么关系？

嗯，这中间其实经历了两步转换。第一步，世界坐标转相机坐标，这一步靠的就是外参。第二步，相机坐标转像素坐标，这一步靠的是内参。

所以，相机外参描述的是：相机坐标系相对于世界坐标系的位姿。它包含两个部分：

数学上，我们通常用一个 4x4 的齐次变换矩阵来表示：

| R   t |
| 0   1 |

这个矩阵，就是连接虚拟世界和物理世界的桥梁。我个人习惯把它叫做「相机在现实世界里的身份证」。

核心理解：外参就是回答两个问题——「相机在哪？」和「相机在看哪？」。搞定了外参，你才能把图像里的像素点，映射回真实的三维空间。

你可能会想：「我把相机拧在架子上，量一下高度和角度不就行了？」

嗯，理论上可以。但实际中，我踩过不少坑。

第一，物理测量误差太大。 我记得有一次做机器人抓取项目，我用卷尺量了相机安装高度，结果抓取精度差了 5 毫米。为什么？因为相机底座有 0.5 度的倾斜，肉眼根本看不出来。但就是这 0.5 度，在 1 米远的距离上，误差被放大到了近 1 厘米。

第二，安装后会有微小形变。 你拧螺丝的力度、支架的热胀冷缩，都会让外参发生变化。我曾经在户外做自动驾驶测试，上午标定好的参数，下午太阳一晒，相机支架热胀冷缩，外参就跑了。

第三，动态场景下需要实时标定。 比如车载相机，车子颠簸一下，相机位置就变了。这时候你不可能停车去拿尺子量。

所以，标定的本质，就是用数学方法，从已知的对应关系中反推出外参。说白了，就是让相机自己告诉你它在哪里。

避坑指南：我曾经接手过一个项目，同事直接用 CAD 图纸上的安装尺寸当外参，结果系统跑起来完全不对。后来一查，图纸是设计阶段的，实际安装时工人把相机往右挪了 2 厘米。所以，永远不要相信「理论值」，一定要做实际标定。

外参标定不是纸上谈兵，它在很多领域都是刚需。我挑三个最典型的说说。

机器人要抓取一个杯子，首先得知道杯子在哪。但杯子是放在世界坐标系下的，而机器人手臂的末端执行器是在机器人坐标系下的。相机拍到的图像，需要先通过外参转换到机器人基座坐标系，才能指导机械臂运动。

这里有个经典问题叫「手眼标定」——相机是装在机器人手上（Eye-in-Hand），还是装在外部固定位置（Eye-to-Hand）？两种方式的外参标定方法完全不同。后面我会专门用一章来讲这个。

自动驾驶车上通常有多个相机：前视、后视、环视。每个相机都有自己的外参。你需要把所有相机的图像融合到一个统一的坐标系（通常是车辆坐标系）中，才能做障碍物检测、车道线识别。

举个例子：前视相机检测到前方 10 米处有个行人，这个「10 米」是相对于相机本身的。但车辆控制模块需要知道这个行人相对于车辆中心的位置。没有准确的外参，这个转换就是错的。

注意：自动驾驶场景中，外参标定的精度直接影响安全。我曾经见过一个案例，因为外参标定偏差了 0.3 度，导致车辆在高速上把路边的护栏误判为车道线，差点酿成事故。所以，自动驾驶的外参标定，通常要求精度在 0.1 度以内。

你戴上 AR 眼镜，看到虚拟的恐龙站在地板上。这个「站在地板上」的效果，靠的就是外参。AR 设备需要知道你的头部（相机）相对于现实世界的位置和朝向，才能把虚拟物体准确地「锚定」在真实场景中。

你想想看，如果你转头，虚拟物体还停在原地，那体验就全毁了。所以 AR/VR 的外参标定，不仅要准，还要快——通常是毫秒级的实时更新。

为了让大家对本章内容有个整体印象，我画了一张图。你可以把它当作整个课程的「导航地图」。

这张图把本章的三个核心问题串起来了。左边是「是什么」，中间是「为什么」，右边是「用在哪」。你学完这一章，应该能用自己的话把这三块讲清楚。

我的建议：初学者不要急着看公式。先理解外参的物理意义——它就是一个「坐标转换器」。你脑子里要有画面感：相机坐标系、世界坐标系、旋转、平移。有了这个直觉，后面的数学推导才不会觉得枯燥。

好了，第一章就到这里。记住一句话：外参标定，就是给相机在现实世界里「定位」。下一章，我们会深入外参的数学表示——旋转矩阵、欧拉角、四元数，这些东西到底怎么用？到时候见。

可可精品资料库