1. 坐标系基础：为什么需要坐标变换？刚体运动与坐标系定义

大家好，我是老张。在感知融合这个行当里摸爬滚打了十来年，今天咱们来聊聊最基础、也最绕不开的一个话题——坐标系。

你可能会问，搞感知就搞感知，为什么非得跟坐标系过不去？

嗯，我刚开始做项目时也这么想。直到有一次，激光雷达检测到的障碍物位置，跟摄像头看到的完全对不上——明明是一辆车，雷达说它在左边3米，摄像头说它在右边2米。排查了半天，发现是坐标系没对齐。从那以后，我再也不敢小看坐标系了。

说白了，自动驾驶车上装了那么多传感器，每个传感器都有自己的“小世界”。

这些传感器说的“位置”，用的不是同一把尺子。你想想看，如果不把它们统一到一个坐标系下，融合就无从谈起。

核心问题：每个传感器都有自己的局部坐标系，我们需要通过坐标变换，把这些局部信息映射到同一个全局坐标系中。

我在项目中遇到过最典型的场景：一辆车在路口左转，激光雷达检测到右侧有个骑自行车的人，摄像头也看到了。但雷达坐标系下是(3.2, -1.5, 0.8)，摄像头坐标系下是(2.8, 1.2, 0.9)。如果不做变换，你根本不知道它们说的是同一个目标。

车辆在路上跑，本质上是一个刚体在三维空间里运动。什么叫刚体？就是物体本身不会变形——车不会像橡皮泥一样被拉长压扁。

刚体运动包含两部分：

我习惯用一个简单的比喻：你手里拿着一本书，你可以把它从桌子左边挪到右边（平移），也可以把它转个方向（旋转）。但书本身的大小形状没变——这就是刚体运动。

个人经验：在感知融合中，我们通常假设车辆和传感器都是刚体。这个假设在99%的情况下成立，但遇到极端颠簸路面时，传感器支架可能会产生微小形变——嗯，那是另一个话题了。

坐标系定义是坐标变换的基石。定义不清楚，后面全是坑。

常见的坐标系有：

每个坐标系都遵循右手定则。x轴朝前，y轴朝左，z轴朝上——这是自动驾驶行业的主流约定。但要注意，不同厂商可能有不同习惯，我曾经被这个问题坑过一次。

避坑指南：我曾经接手过一个项目，前一家公司用的坐标系是x朝前、y朝右。我们团队习惯x朝前、y朝左。结果融合出来的轨迹全是反的。所以，项目一开始就要把坐标系定义写进文档里，白纸黑字。

坐标变换，说白了就是用一个矩阵把点从一个坐标系搬到另一个坐标系。

对于三维空间中的点 p，从坐标系A变换到坐标系B：

p_B = R * p_A + t

其中：

你可能会问，为什么旋转要用矩阵？因为矩阵可以同时处理绕三个轴的旋转，而且可以组合。我刚开始学的时候也觉得矩阵运算很抽象，后来写代码多了，发现其实就是个乘法加加法。

小技巧：实际工程中，我们通常用齐次坐标，把旋转和平移合并成一个4x4的变换矩阵。这样一次矩阵乘法就能完成变换，代码写起来也干净。

下面这张图，是我自己梳理的坐标系与坐标变换的知识结构。你可以把它当作一张地图，后面讲到具体内容时，随时回来对照。

这张图把整个知识体系串起来了。左边是“为什么需要”，中间是“怎么做”，右边是“用什么定义”。最终都汇聚到“统一坐标系”这个目标上。

好了，这一章就到这里。坐标系这东西，看似简单，但真要在工程里用好，还是得花点功夫。下一章咱们聊聊旋转矩阵的具体计算，以及怎么用代码实现坐标变换。

本章要点回顾：