坐标系与坐标变换：世界坐标系、车辆坐标系、激光雷达坐标系、IMU坐标系
各位同学，今天我们来聊聊标定中最绕不开的一个话题——坐标系与坐标变换。说实话，我刚开始做自动驾驶标定时，被这四个坐标系搞得晕头转向。有一次在实车测试中，因为把车辆坐标系和激光雷达坐标系搞反了，点云数据直接飞到了天上，找了整整两天才排查出来。从那以后，我就养成了一个习惯：动手之前，先把坐标系理清楚。
1. 四个核心坐标系
我们先从最基础的开始。自动驾驶系统里，有四个坐标系你必须刻在脑子里：
- 世界坐标系：也叫全局坐标系。它固定在地面上，通常用经纬度+海拔，或者UTM坐标来表示。说白了，就是描述「车在地球上哪个位置」。
- 车辆坐标系：固定在车身上。一般原点在后轴中心，X轴朝前，Y轴朝左，Z轴朝上。这个坐标系描述的是「传感器装在车的哪个位置」。
- 激光雷达坐标系：原点在激光雷达的扫描中心。X轴朝前，Y轴朝左，Z轴朝上。注意，不同厂家的雷达定义可能不一样，我踩过这个坑。
- IMU坐标系：原点在IMU芯片内部。通常也是X朝前、Y朝左、Z朝上，但安装角度偏差是常事。
核心要点：所有标定的本质，就是求这些坐标系之间的变换关系。你想想看，激光雷达看到的一堵墙，要映射到世界坐标系里，中间要经过多少次变换？
2. 坐标变换的数学基础
坐标变换说白了就两件事：旋转和平移。旋转用旋转矩阵R表示，平移用平移向量t表示。一个点从坐标系A变换到坐标系B，公式很简单：
P_B = R * P_A + t嗯，这里要注意，R是3x3的矩阵，t是3x1的向量。我在项目中遇到过有人把R和t的顺序搞反了，结果变换出来的点云全乱套了。
3. 欧拉角：直观但容易踩坑
欧拉角是描述旋转最直观的方式。它用三个角度来表示：绕X轴转的叫横滚角（Roll），绕Y轴转的叫俯仰角（Pitch），绕Z轴转的叫航向角（Yaw）。
我个人习惯用ZYX顺序，也就是先转Yaw，再转Pitch，最后转Roll。为什么？因为这种顺序最符合直觉——你先看车头朝哪（Yaw），再抬头低头（Pitch），最后左右倾斜（Roll）。
避坑指南：我曾经因为欧拉角的旋转顺序没统一，导致标定结果时好时坏。记住，不同库函数默认的旋转顺序可能不一样。比如ROS里用的是ZYX，但有些数学库默认是XYZ。一定要确认清楚！
欧拉角还有一个致命问题——万向锁。当Pitch接近±90度时，Roll和Yaw会变得无法区分。这在自动驾驶里很少遇到，但做无人机标定时一定要小心。
4. 四元数：稳定但抽象
四元数，说白了就是用一个四维向量来表示旋转。它没有万向锁问题，插值也平滑，所以在工程里用得最多。
一个四元数长这样：
q = w + x*i + y*j + z*k其中w是实部，x、y、z是虚部。模长为1的四元数叫单位四元数，用来表示旋转。
你可能会问：「为什么不用旋转矩阵？」嗯，旋转矩阵有9个参数，但只有3个自由度，冗余太多。四元数只有4个参数，计算效率高，还容易做归一化。
我记得有一次做在线标定，需要实时更新外参。用欧拉角做优化，迭代到后面直接发散。换成四元数表示后，收敛得又快又稳。从那以后，我但凡涉及优化问题，一律用四元数。
5. 坐标系变换链
在实际标定中，我们经常要串联多个变换。比如激光雷达看到的一个点，要变换到世界坐标系：
P_world = T_world_vehicle * T_vehicle_lidar * P_lidar其中T是4x4的齐次变换矩阵，包含了旋转和平移。你想想看，这个链越长，误差累积就越大。所以我的建议是：能直接标定的，就不要间接推算。
个人经验：我一般会把激光雷达和IMU先做联合标定，得到一个高精度的相对位姿。然后再用IMU和车辆坐标系的关系，把激光雷达数据映射到车体坐标系。这样误差传递路径最短。
6. 知识体系总览
下面这张图是我自己整理的坐标系与坐标变换知识体系，你可以把它当作学习路线图：
7. 实战中的注意事项
最后，我总结几个实战中容易忽略的点：
- 坐标系方向要统一：我见过有人用左手系，有人用右手系，数据一交换就出问题。建议全用右手系。
- 单位要一致：激光雷达给的是毫米，IMU给的是米，不统一的话，平移向量直接差1000倍。
- 四元数要归一化：计算过程中四元数会漂移，记得每步都做归一化。我曾经因为这个，标定结果一直收敛不到真值。
- 欧拉角转四元数时注意顺序：不同库函数的转换公式可能不一样，写代码前先验证一下。
小技巧：我每次做标定前，都会先打印出各个坐标系的原点和轴方向，用可视化工具确认一遍。虽然多花5分钟，但能省下后面排查问题的半天时间。
好了，坐标系与坐标变换就讲到这里。这些概念是标定的地基，地基不稳，后面盖的房子迟早要塌。下一章我们开始讲具体的标定方法，到时候会用到今天讲的这些知识。