坐标系基础：世界坐标系、车辆坐标系、传感器坐标系、坐标系转换矩阵

做感知融合，第一道坎儿就是坐标系。我见过不少新人，算法写得飞起，结果一上车数据全对不上——说白了，就是坐标系没搞明白。

今天咱们就把这事儿彻底捋清楚。你想想看，车上那么多传感器，摄像头、激光雷达、毫米波雷达，每个都有自己的小算盘（坐标系）。怎么让它们说同一种语言？这就是坐标系转换要干的事。

1. 世界坐标系：一切测量的基准

世界坐标系，也叫全局坐标系。它是整个场景的绝对参考系。嗯，你可以把它想象成地球上的经纬度——不管你在哪儿，这个坐标是固定的。

在自动驾驶里，世界坐标系通常用 ENU（东-北-天）或者 NED（北-东-地）两种约定。我个人习惯用ENU，因为直观：

• X轴：指向东
• Y轴：指向北
• Z轴：指向天（垂直向上）

为什么需要世界坐标系？因为车辆在动，传感器在动，但路上的障碍物、车道线是固定的。你总得有个不动的东西做参考吧？

2. 车辆坐标系：车身的"自我认知"

车辆坐标系是固定在车身上的。它的原点一般在车辆后轴中心（也有放在质心的，看各家定义）。

我记得第一次做实车标定时，发现不同车厂的车辆坐标系定义居然不一样。有的X轴朝前，有的Y轴朝左——这要是没对齐，融合结果直接崩掉。

常见的车辆坐标系定义：

轴	方向	说明
X轴	车辆前进方向	正方向为车头朝向
Y轴	车辆左侧方向	正方向指向驾驶员左侧
Z轴	车辆上方方向	正方向指向车顶

这里有个坑：车辆坐标系是跟着车动的。车转弯了，坐标系也跟着转。所以你在车辆坐标系下看到的目标位置，是相对于车身的——车头朝哪，目标就在哪。

3. 传感器坐标系：每个传感器的"小世界"

每个传感器都有自己的坐标系。说白了，就是它"看"世界的方式。

• 摄像头坐标系：原点在光心，Z轴指向镜头前方（成像方向），X轴向右，Y轴向下。注意，图像坐标系是二维的（u,v），需要先转成相机坐标系下的三维点。
• 激光雷达坐标系：原点在激光雷达中心，通常X轴指向车头方向，Y轴向左，Z轴向上。激光点云就是在这个坐标系下采集的。
• 毫米波雷达坐标系：类似激光雷达，但它的数据是稀疏的，只有距离、速度、角度信息。

你想想看，摄像头看到的是像素，激光雷达看到的是点云，毫米波雷达看到的是目标列表——它们说的根本不是同一种语言。怎么让它们对话？

答案就是：坐标系转换矩阵。

4. 坐标系转换矩阵：让数据"说同一种话"

转换矩阵，说白了就是一个数学工具，把点从一个坐标系搬到另一个坐标系。它由两部分组成：

• 旋转矩阵 R：描述两个坐标系之间的朝向关系（3x3矩阵）
• 平移向量 t：描述两个坐标系原点之间的位移（3x1向量）

完整的转换公式长这样：

P_world = R * P_sensor + t

其中 P_sensor 是传感器坐标系下的点，P_world 是世界坐标系下的点。

实际工程中，我们通常用齐次坐标来写，这样旋转和平移可以合并成一个4x4矩阵：

| P_world |   =   | R  t |   *   | P_sensor |
|   1     |       | 0  1 |       |    1     |

这个4x4矩阵，就是传说中的 外参矩阵。外参标定，标的就是这个矩阵里的 R 和 t。

5. 知识体系总览

下面这张图，把坐标系之间的关系画清楚了。你一看就明白：

你看，从传感器坐标系到世界坐标系，中间经过车辆坐标系。这就是典型的链式转换。实际工程中，我们一般先标定传感器到车辆的外参，再通过车辆定位（GPS/IMU）得到车辆到世界的外参。

6. 工程中的常见问题

做坐标系转换，有几个坑我踩过，分享给你：

• 旋转顺序搞反了：旋转矩阵不满足交换律。先绕X轴转再绕Y轴转，和先绕Y轴再绕X轴，结果完全不同。我建议你统一用ZYX顺序（偏航-俯仰-横滚）。
• 单位没统一：有的传感器输出毫米，有的输出米。转换前一定要统一单位，不然结果差1000倍。
• 忘记转置：旋转矩阵的逆等于它的转置。但如果你搞反了方向，直接用转置当逆用，那就错了。

好了，坐标系基础就聊到这儿。记住一句话：坐标系转换是感知融合的基石，这块儿搞不明白，后面全是白搭。