一、课程导论与预备知识：激光雷达与高精地图协同标定的背景、应用场景、课程目标与学习路径、所需软硬件环境准备
1.1 为什么我们需要协同标定？
大家好，我是你们这门课的主讲。先聊聊背景。
这几年自动驾驶火得一塌糊涂，L4、L5 喊得震天响。但真正落地的，大家心里都清楚，大部分还在 L2+、L3 徘徊。为什么？说白了，就是「感知」和「定位」这两座大山还没完全翻过去。
激光雷达能精确测距，但它是「瞎子」，不知道自己在世界地图的哪个位置。高精地图知道路网、车道线、红绿灯的精确位置，但它是「死」的，不知道周围动态障碍物在哪。
所以，必须让它们俩「结婚」。激光雷达看到的一坨点云，要能精确地「对齐」到高精地图上。这个对齐的过程，就是协同标定。
我早年做项目时，遇到过一辆车，激光雷达和地图没标定好，结果车一直认为自己骑在马路牙子上，吓得系统疯狂报警。嗯，这种坑，我踩过不少。
1.2 应用场景：这技术到底用在哪？
你可能会问，这东西是不是只有做 Robotaxi 的才需要？其实不然。
- 高精度定位： 这是最核心的应用。车辆通过激光雷达扫描当前环境，与高精地图匹配，得到厘米级的定位结果。没有协同标定，匹配就是空谈。
- 动态障碍物检测与追踪： 标定好了，才能准确知道障碍物相对于车道线的位置。比如，前车是不是压线了？这直接关系到决策规划。
- 地图更新与众包： 量产车跑在路上，激光雷达发现「咦，这里多了个路牌」，如果标定准确，就能把变化回传给地图服务器，实现地图的实时更新。
- 传感器融合： 激光雷达、摄像头、毫米波雷达，所有传感器的数据最终都要统一到车体坐标系下。而高精地图就是这个「统一坐标系」的锚点。
一句话总结： 没有协同标定，激光雷达就是「睁眼瞎」，高精地图就是「纸上谈兵」。两者结合，才是真正的「上帝视角」。
1.3 课程目标与学习路径
这门课，我不打算给你讲一堆枯燥的数学公式然后让你自己悟。我的目标是：
- 让你理解原理： 为什么标定需要那么多参数？旋转矩阵、平移向量、畸变模型，这些到底在解决什么问题？
- 让你能动手： 我会带着你，从零搭建一个标定工具链。从数据采集、特征提取，到优化求解、结果评估，每一步都走一遍。
- 让你能避坑： 标定这件事，90% 的时间都在处理异常数据。我会把我在项目中遇到的那些「鬼故事」讲给你听。
学习路径我建议这样走：
- 第一阶段（第1-5章）： 打好基础。坐标系变换、李群李代数、传感器模型。别怕，我会用最直观的方式讲。
- 第二阶段（第6-15章）： 核心算法。点云配准（ICP、NDT）、特征提取（线、面、杆状物）、图优化求解。
- 第三阶段（第16-25章）： 实战演练。用真实数据（我会提供）跑通整个流程，并分析结果。
- 第四阶段（第26-30章）： 进阶与工程化。多传感器联合标定、在线标定、标定质量监控。
- 操作系统： Ubuntu 22.04 LTS
- ROS2： Humble 或 Rolling 版本。ROS2 是数据通信的骨架，所有传感器数据、算法模块都靠它串起来。
- PCL (Point Cloud Library)： 点云处理的瑞士军刀。滤波、分割、配准，样样精通。
- Ceres Solver 或 GTSAM： 图优化库。用来求解那个复杂的非线性最小二乘问题。
- Eigen3： 线性代数库。矩阵运算全靠它，性能极好。
- Python 3.8+： 用来写脚本、做可视化、快速原型验证。
- 可视化工具： RViz2 (ROS2自带)、CloudCompare (点云查看利器)。
我个人习惯是，每学完一个算法，立刻动手写代码验证。光看论文是学不会标定的。
1.4 知识体系总览
为了让你对这门课有个整体印象，我画了一张图。这张图就是整个课程的知识骨架。
我的建议： 把这张图打印出来贴在墙上。每学完一章，就在对应的模块上打个勾。这样你就能清楚自己走到哪一步了。
1.5 软硬件环境准备
工欲善其事，必先利其器。咱们先把环境搭好。
硬件要求
| 组件 | 最低配置 | 推荐配置 |
|---|---|---|
| CPU | Intel i5 或 AMD Ryzen 5 | Intel i7/i9 或 AMD Ryzen 7/9 |
| 内存 | 16 GB | 32 GB 或以上 |
| GPU | NVIDIA GTX 1060 (6GB) | NVIDIA RTX 3060 或以上 |
| 硬盘 | 256 GB SSD | 1 TB NVMe SSD |
| 操作系统 | Ubuntu 20.04 | Ubuntu 22.04 |
注意： 千万别用 Windows 来搞这个。我在 Windows 上折腾 ROS2 折腾了三天，最后老老实实装了双系统。Ubuntu 是自动驾驶开发的事实标准，早点习惯它。
软件栈
安装示例（ROS2 + PCL）
这里给一个快速安装命令，我习惯用一行搞定基础环境：
# 安装 ROS2 Humble
sudo apt update && sudo apt install ros-humble-desktop
# 安装 PCL 及相关依赖
sudo apt install libpcl-dev ros-humble-pcl-ros ros-humble-pcl-conversions
# 安装 Ceres Solver
sudo apt install libceres-dev
# 验证安装
ros2 pkg list | grep pcl一个小技巧： 装完 ROS2 后，记得把 source /opt/ros/humble/setup.bash 加到你的 .bashrc 里。不然每次开终端都要手动 source，很烦人。我曾经因为这个浪费了不少时间。
1.6 数据准备
课程中我会提供一套真实的激光雷达数据和高精地图数据。数据格式是常见的 .pcd (点云) 和 .osm / .shp (地图)。你不需要自己去采集，但我会教你如何用 ROS2 的 bag 文件来录制和回放数据。
好了，第一章就到这里。环境搭好，数据到位，咱们就可以开始真正的标定之旅了。
记住： 标定不是一次性的工作。它是一个不断迭代、不断优化的过程。别怕犯错，犯错才是学习的开始。