2、坐标系基础：世界坐标系、车辆坐标系、IMU坐标系、激光雷达坐标系、相机坐标系及其转换关系
做高精地图外参标定，说白了就是跟一堆坐标系打交道。我刚开始接触这个领域时，最头疼的就是这些坐标系之间的转换关系。你想想看，一个点在世界里是固定的，但在不同传感器眼里，位置和姿态都不一样。搞不清楚这个，标定就无从谈起。
今天我就把这几个核心坐标系掰开揉碎了讲清楚。嗯，咱们一个一个来。
2.1 世界坐标系（World Coordinate System）
世界坐标系，也叫全局坐标系。它是一个绝对参考系，用来描述所有物体在地球上的位置。我个人习惯用 W系 来表示。
在高精地图里，世界坐标系通常采用 WGS-84 经纬度坐标系，或者更常用的 UTM 投影坐标系。为什么用UTM？因为它是平面直角坐标，计算起来方便。
核心要点：
- 原点：通常定义在地球参考椭球体中心（WGS-84）或投影带中央经线（UTM）
- X轴：指向东（Easting）
- Y轴：指向北（Northing）
- Z轴：指向天顶（Up），符合右手定则
我在项目中遇到过一个问题：不同地图供应商用的世界坐标系基准不一样。有的用CGCS2000，有的用WGS-84。虽然差异很小，但累积起来能差好几米。所以标定前，一定要确认统一的世界坐标系基准。
2.2 车辆坐标系（Vehicle Coordinate System）
车辆坐标系，简称 V系。它固定在车身上，随车移动。这是所有传感器标定的"锚点"。
行业内有个标准——ISO 8855，定义了车辆坐标系的方向：
| 轴 | 方向 | 说明 |
|---|---|---|
| X轴 | 车辆前进方向 | 指向车头 |
| Y轴 | 车辆左侧 | 垂直于X轴，指向驾驶员左侧 |
| Z轴 | 车辆上方 | 垂直于地面，指向车顶 |
注意：有些车厂用右手系，有些用左手系。我见过一个团队因为坐标系方向搞反，导致整个标定结果全错。标定前，务必确认车辆坐标系定义文档。
2.3 IMU坐标系（IMU Coordinate System）
IMU坐标系，即 I系。IMU测量的是加速度和角速度，它的坐标系定义直接影响姿态解算。
IMU坐标系通常遵循 右前上 或 前左上 的约定：
- 右前上（RFU）：X向右，Y向前，Z向上。这是最常见的配置。
- 前左上（FLU）：X向前，Y向左，Z向上。部分欧洲厂商用这个。
我曾经踩过一个坑：IMU的安装方向跟车辆坐标系不一致。比如IMU的X轴指向车右侧，但车辆坐标系X轴指向车头。这时候就需要一个旋转矩阵来对齐。如果不做这个对齐，后续的航迹推算全是错的。
我的建议：在标定流程中，先把IMU坐标系旋转到与车辆坐标系对齐。这一步叫"IMU到车体的旋转标定"，通常用静态六位置法完成。
2.4 激光雷达坐标系（LiDAR Coordinate System）
激光雷达坐标系，简称 L系。不同厂商的雷达坐标系定义略有差异，但大体遵循以下规则：
| 轴 | 典型定义 | 说明 |
|---|---|---|
| X轴 | 雷达前方 | 与雷达安装方向一致 |
| Y轴 | 雷达左侧 | 垂直于X轴 |
| Z轴 | 雷达上方 | 垂直于雷达底面 |
但要注意，有些机械式雷达（比如Velodyne）的坐标系是 Z轴向上，Y轴向前。而固态雷达（比如Livox）可能又是另一种定义。所以拿到雷达的第一件事，就是看它的坐标系定义文档。
我记得有一次，团队新来了一个同事，直接用默认的坐标系转换公式，结果点云投影到图像上全是歪的。查了半天，原来是雷达坐标系定义跟代码里写的不一样。
2.5 相机坐标系（Camera Coordinate System）
相机坐标系，即 C系。它遵循小孔成像模型，定义如下：
- 原点：相机光心（透镜中心）
- Z轴：指向相机前方，沿光轴方向
- X轴：指向相机右侧（图像水平方向）
- Y轴：指向相机下方（图像垂直方向）
注意：相机坐标系是右手系，但它的Y轴指向下方。这意味着从相机看出去，物体在图像上的y坐标越大，实际位置越低。这个跟直觉是反的，我刚入行时经常搞混。
2.6 坐标系转换关系
好了，现在五个坐标系都介绍完了。它们之间的转换关系，是外参标定的核心。
转换的本质就是 旋转 + 平移。用数学表达就是：
P_target = R * P_source + T其中：
- R：3x3旋转矩阵
- T：3x1平移向量
- P_source：源坐标系下的点
- P_target：目标坐标系下的点
常见的转换链是这样的：
- 激光雷达 → 车辆坐标系：这是外参标定的主要目标之一。通过标定得到 R_l2v 和 T_l2v。
- 相机 → 车辆坐标系：同样需要标定。得到 R_c2v 和 T_c2v。
- IMU → 车辆坐标系：通常用静态标定或出厂参数。
- 车辆坐标系 → 世界坐标系：通过GPS/IMU组合导航实时计算。
举个例子，要把激光雷达的一个点投影到世界坐标系：
P_world = R_v2w * ( R_l2v * P_lidar + T_l2v ) + T_v2w这里 R_v2w 和 T_v2w 是车辆在世界坐标系下的位姿，由组合导航提供。
避坑指南：我曾经在写转换代码时，把旋转矩阵的乘法顺序搞反了。记住，先旋转后平移，顺序不能乱。另外，旋转矩阵必须是正交矩阵，行列式为+1。如果标定出来的R行列式是-1，说明坐标系是镜像关系，肯定错了。
2.7 知识体系总览
为了让你更直观地理解这些坐标系之间的关系，我画了一张结构图：
从这张图可以看得很清楚：车辆坐标系是核心枢纽。所有传感器的数据，最终都要转换到车辆坐标系下，再通过组合导航映射到世界坐标系。
2.8 实践中的注意事项
最后，我总结几个实际项目中容易踩的坑：
- 坐标系定义不一致：不同传感器厂商、不同算法库，坐标系定义可能不同。比如OpenCV的相机坐标系Y轴向下，而ROS的相机坐标系Y轴向上。一定要做转换。
- 旋转顺序问题：欧拉角的旋转顺序（比如ZYX、XYZ）不同，结果完全不同。我建议统一用四元数或旋转矩阵，避免歧义。
- 平移单位：激光雷达的平移量通常是米，但有些IMU输出的是厘米。单位搞错，标定结果差两个数量级。
- 时间同步：坐标系转换的前提是时间对齐。如果激光雷达和IMU的时间戳不同步，转换出来的点云位置是错的。
重要提醒：坐标系转换不是一次性的工作。车辆运行过程中，传感器可能发生微小位移（比如颠簸导致雷达支架松动）。所以外参标定需要定期校验，或者做在线标定。
好了，坐标系基础就讲到这里。这些概念虽然基础，但非常重要。我见过太多因为坐标系搞错而导致标定失败的案例。记住一句话：坐标系定义清晰，标定就成功了一半。