一、外参标定概述：什么是外参、为什么需要标定、外参标定的应用场景

大家好，我是你们的老朋友。今天咱们正式开始聊外参标定。

说实话，我入行头两年，对外参标定这事一直有点「敬而远之」。总觉得那是算法大牛才搞的，我一个小工程师，调调参数就行了。直到有一次，我在一个自动驾驶项目里，激光雷达和相机死活对不齐——车都跑起来了，点云投影到图像上，车道线歪了半米多。嗯，从那以后，我再也不敢小看外参标定了。

1.1 什么是外参？

外参，全称叫「外部参数」。它描述的是两个传感器之间的相对位置和姿态。

你想想看，一个相机装在车顶上，一个激光雷达装在保险杠上。它们各自看到的世界，坐标系是不一样的。外参就是那个「翻译官」——把激光雷达看到的点，告诉相机：「这个点在你坐标系里应该在哪。」

具体来说，外参包含两部分：

• 旋转矩阵 R：描述两个坐标系之间的朝向关系。说白了，就是「你的头朝哪边歪了」。
• 平移向量 t：描述两个坐标系之间的位移。说白了，就是「你离我有多远，在哪个方向」。

数学上，外参通常表示为一个 4×4 的齐次变换矩阵：

| R   t |
| 0   1 |

这个矩阵，就是传感器之间的「桥梁」。没有它，多传感器融合就是一句空话。

1.2 为什么需要标定？

你可能会问：「出厂的时候厂家不是给好了吗？」

嗯，理论上是这样。但实际工程中，有几个原因让「出厂值」靠不住：

1. 安装误差：传感器装上去，不可能分毫不差。哪怕偏了 0.1 度，在 50 米外就是 8 厘米的偏差。这在自动驾驶里，可能就是一次急刹车。
2. 使用中的形变：车开久了，支架会松动。机器人撞了几次墙，相机位置就变了。我见过一个项目，机器人运行三个月后，外参偏差达到了 2 度——点云和图像完全对不上。
3. 更换维修：换个传感器，或者拆下来重新装，外参就变了。不标定，等于白换。
4. 多传感器融合的前提：没有准确的外参，你做的融合就是「鸡同鸭讲」。数据对不上，算法再牛也没用。

1.3 外参标定的应用场景

外参标定不是实验室里的玩具，它在很多领域都是刚需。我挑三个最常见的说说。

1.3.1 自动驾驶

自动驾驶是外参标定最大的「客户」。车上通常有：

• 多个摄像头（前视、环视、侧视）
• 激光雷达（1 到 5 个不等）
• 毫米波雷达
• IMU（惯性测量单元）

这些传感器之间的外参，决定了感知系统能不能「看到」一致的世界。比如：

• 激光雷达检测到障碍物，需要投影到图像上做目标识别——外参不准，投影就偏了。
• 多相机拼接全景环视——外参不准，拼接处就有「鬼影」。
• IMU 和相机的联合定位——外参不准，定位就漂。

我记得有一次，帮一个自动驾驶公司做标定。他们的车在高速上跑，激光雷达和相机的外参偏了 0.3 度。结果呢？障碍物检测的召回率从 95% 掉到了 80%。标定完之后，直接回到 96%。

1.3.2 机器人

机器人领域，外参标定同样重要。常见的组合有：

• 深度相机 + 机械臂：相机看到物体，告诉机械臂「抓这里」。外参不准，机械臂就抓空。
• 激光雷达 + 轮式里程计：用于建图和定位。外参不准，地图就扭曲。
• 多个相机 + IMU：用于 VIO（视觉惯性里程计）。外参不准，轨迹就飘。

我做过一个扫地机器人的项目。它的激光雷达和 IMU 外参偏了 1 度。结果呢？建出来的地图，墙角都是歪的。机器人沿着墙走，越走越偏。标定完之后，地图就方正了。

1.3.3 AR/VR

AR/VR 对外参的要求，比自动驾驶和机器人还要高。因为用户的眼睛就在设备里，一点点偏差都会被感知到。

• 头显上的多个摄像头：用于 SLAM 定位和手势识别。外参不准，虚拟物体就「飘」。
• 手柄和头显：手柄上的传感器和头显上的传感器，需要精确的外参才能实现「指哪打哪」。
• 眼动追踪相机：和显示屏幕之间的外参，决定了渲染的准确性。

我有个朋友做 AR 眼镜，他说最头疼的就是外参标定。因为眼镜太小，传感器装得密密麻麻，稍微偏一点，用户戴上就头晕。他们团队花了大半年，才把标定精度做到 0.1 度以内。

1.4 外参标定的知识体系

为了让大家有个整体认识，我画了一张图，把外参标定的核心内容串起来：

这张图把外参标定的三个核心问题串起来了：是什么、为什么、用在哪。后面的章节，我们会围绕这三个问题，一步步深入。

1.5 小结

这一章，我们聊了外参标定的基本概念。说白了，外参就是传感器之间的「关系说明书」。没有它，多传感器系统就是一堆各自为战的孤岛。

我个人的经验是：外参标定不是一次性的工作。传感器装好了要标，用了一段时间要复标，换了位置要重标。把它当成一个持续的过程，而不是一个「标完就完」的任务。

下一章，我们会聊标定的数学基础——坐标系和变换。那是所有标定方法的「地基」。地基打不牢，后面盖的房子就容易塌。