一、外参标定概述：什么是外参？为什么需要标定？

大家好，我是你们这门课的主讲。在计算机视觉和机器人领域摸爬滚打了十几年，我见过太多因为标定没做好导致项目翻车的案例。今天咱们就来聊聊外参标定——这个听起来有点枯燥，但实际工作中绕不开的话题。

说白了，外参就是描述两个传感器之间相对位置和朝向的一组参数。你想想看，一辆自动驾驶车上装了激光雷达、摄像头、毫米波雷达，它们各自看到的世界是不一样的。激光雷达看到的是三维点云，摄像头看到的是二维图像，怎么把这些信息融合到一起？这就需要外参来搭桥。

外参的本质：一个刚体变换矩阵，包含旋转和平移，描述的是「从一个传感器坐标系到另一个传感器坐标系的映射关系」。

数学上，外参通常用一个 4×4 的齐次变换矩阵表示：

T = [ R  t ]
    [ 0  1 ]

其中：
R —— 3×3 旋转矩阵
t —— 3×1 平移向量

举个例子，如果激光雷达坐标系下的一个点 P_lidar = (x, y, z)，要转换到相机坐标系下，就是：

P_camera = T_lidar_to_camera * P_lidar

这个 T 矩阵，就是我们要标定的外参。我在项目中遇到过不少新手，上来就问「外参是不是就是旋转矩阵？」——嗯，不完全是，平移向量同样重要，少一个都不行。

这个问题其实很直接。传感器出厂时，厂家会给你一个理论安装位置，但实际装车时，哪怕偏差 1 毫米、0.1 度，都会导致融合结果出现严重偏差。

我给大家讲个真实案例。有一次做园区无人配送车项目，摄像头和激光雷达的安装支架因为运输过程中颠簸，产生了约 2 度的偏转。结果呢？车道线检测和点云投影出来的车道线，在图像上差了十几个像素。车辆在转弯时频繁误判，差点撞上路沿。后来重新标定外参，问题立刻解决。

避坑指南：我曾经以为出厂标定一次就够了，后来发现温度变化、振动、甚至螺丝松动都会导致外参漂移。所以，定期标定不是可选项，而是必选项。

外参标定不是某个领域的专属技能，它在多个方向上都扮演着关键角色。我按场景给大家梳理一下：

说白了，只要涉及多传感器融合，外参标定就是绕不开的一步。你想想看，自动驾驶里如果激光雷达和摄像头的外参没标好，点云投影到图像上全是错位的，那感知算法再强也白搭。

为了让大家对本章内容有个整体把握，我画了一张结构图，把外参标定的核心逻辑串起来：

从这张图可以看得很清楚：外参标定不是孤立的知识点，它连接着传感器原理、坐标系变换和实际工程应用。我个人习惯把外参标定比作「传感器的结婚证」——两个传感器要协同工作，必须先「领证」，也就是确定它们之间的相对关系。

小提示：刚开始接触外参标定，不要被复杂的数学公式吓到。先理解「为什么要做」和「做了有什么用」，后面再深入「怎么做」。我当年也是这么一步步过来的。

这一章我们聊了三个核心问题：

嗯，到这里第一章就差不多了。外参标定这件事，说难不难，说简单也不简单。关键是要理解它的本质，而不是死记硬背公式。后面的章节，我会带大家一步步深入，从数学原理到代码实现，把外参标定彻底讲透。