1. 传感器标定概述：什么是传感器标定、为什么标定能提升感知精度、标定的核心流程
大家好，我是你们这趟标定之旅的向导。做了这么多年嵌入式感知，我见过太多「硬件没问题，算法没问题，但系统就是不好使」的案例。最后查来查去，十有八九是标定没做好。
说白了，传感器标定就是给传感器「做体检」和「配眼镜」。你想想看，一个刚出厂的摄像头，它看到的红色真的是红色吗？它量出来的距离真的准吗？嗯，大概率是不准的。标定，就是把这些偏差找出来，然后补偿掉。
核心一句话：标定是连接「物理世界」和「数字世界」的桥梁。没有这座桥，你的感知系统就是睁眼瞎。
1.1 什么是传感器标定？
我习惯把标定分成两个层面来理解。
第一层：内参标定。 这是针对传感器自身的。比如摄像头，每个镜头的畸变程度、焦距、光心位置都不一样。再比如激光雷达，每个激光发射器的角度偏差、距离偏移也各有不同。内参标定，就是把这些「出厂误差」给揪出来。
第二层：外参标定。 这是针对传感器之间的。车上装了摄像头、激光雷达、毫米波雷达、IMU……它们各自看到的世界，坐标系都不一样。外参标定，就是把这些坐标系对齐。说白了，就是告诉系统：「摄像头看到的那个点，在激光雷达的坐标系里，到底在哪儿。」
我在项目中遇到过最头疼的一次，就是摄像头和激光雷达的外参偏了0.5度。结果融合出来的目标，位置总是差那么一截。后来花了整整两天重新标定，问题才解决。0.5度，在感知世界里，就是天壤之别。
我的小技巧： 标定不是一次性的事。温度变化、振动、时间久了，参数都会漂。我建议每次上车测试前，至少做一次快速校验。
1.2 为什么标定能提升感知精度？
这个问题，我换个角度回答你。
假设你让一个近视眼去射箭。他看到的靶心，其实偏了10厘米。那他射出去的箭，自然也就偏了10厘米。标定，就是给他配一副眼镜。让他看到的，和实际的位置，完全重合。
具体到数据层面，标定能带来三个直接好处：
- 消除系统误差： 每个传感器都有固定的偏差。比如激光雷达测距，可能总是偏大2厘米。标定后，这个2厘米就被补偿掉了。
- 对齐多源数据： 摄像头看到的是像素，激光雷达看到的是点云。没有标定，你根本不知道像素A对应的是点云B。标定后，数据才能「融合」。
- 提升算法鲁棒性： 标定好的系统，算法跑起来才稳。否则，你今天标定一个目标，明天换个场景，结果可能就完全不一样了。
我曾经见过一个团队，算法调了三个月，精度就是上不去。最后发现，是IMU的安装角度偏了1度。标定完，精度直接提升了15%。你说标定重不重要？
注意： 标定不是万能的。它只能补偿系统误差，不能消除随机噪声。如果你的传感器本身质量太差，标定也救不了它。
1.3 标定的核心流程
标定这件事，说复杂也复杂，说简单也简单。我把它拆成四个步骤，你照着做，基本不会出错。
- 数据采集： 这是最基础的一步。你需要一个标定场地，或者标定板。让传感器采集足够多的数据。比如摄像头拍棋盘格，激光雷达扫标定靶。
- 特征提取： 从采集的数据里，找到那些「已知的」特征点。比如棋盘格的角点、标定靶的中心点。这些点，就是标定的「锚点」。
- 参数求解： 用数学方法，把传感器的内参和外参算出来。常用的方法有最小二乘法、非线性优化。这一步，说白了就是解方程。
- 验证与迭代： 算出来的参数，不一定准。你需要用新的数据去验证。如果误差太大，就重新采集数据，重新求解。直到精度满足要求为止。
我个人习惯，在验证这一步多花点时间。因为很多时候，参数算出来看着挺漂亮，但实际用起来就是不行。多验证几次，心里才踏实。
避坑指南： 我曾经因为采集数据时，标定板没放稳，导致整个标定结果都偏了。后来我学乖了，每次采集前，先检查标定板是否固定好，传感器是否牢固。这些小细节，往往决定成败。
1.4 标定的知识体系
下面这张图，是我自己整理的标定知识框架。你可以把它当成一张地图，后面每讲一个知识点，你都能在这张图上找到它的位置。
这张图里，从上到下，从左到右，就是我们这门课要讲的全部内容。内参标定是基础，外参标定是进阶。流程是骨架，技术是血肉。你把这四个环节吃透了，标定这件事，基本就通了。
我的建议： 刚开始学标定，别贪多。先把内参标定搞明白，再碰外参。内参是地基，地基不稳，上面盖什么都是歪的。
好了，这一章就到这里。标定这件事，说难不难，说简单也不简单。关键是要动手。下一章，我会带大家亲手做一次摄像头内参标定。到时候，咱们用代码说话。