感知模块联调避坑指南 - 第2节
一、传感器标定：为什么这是联调的第一道坎？
做感知模块联调，我踩过最大的坑是什么？
说出来你可能不信——是传感器标定。
有一次，我们团队花了两周时间排查融合结果不准的问题。最后发现，摄像头和激光雷达的外参差了 2 厘米。就这 2 厘米，让整个感知系统像喝醉了酒一样，目标位置永远对不上。
所以，标定这件事，我建议你从一开始就认真对待。别等到联调出问题了再回头补课，那代价太大了。
核心观点：标定是感知系统的"地基"。地基歪了，上面盖的房子再漂亮也没用。
二、内参标定：摄像头自己的"体检报告"
2.1 什么是内参？
内参，说白了就是摄像头自己的"身体数据"。包括焦距、主点坐标、畸变系数这些。每个摄像头出厂时都不一样，甚至同一个型号的两颗摄像头，内参也有细微差别。
我见过有人直接拿厂家给的参数用，结果呢？投影误差大得离谱。厂家给的是"平均脸"，不是"你的脸"。
2.2 内参标定的核心参数
| 参数 | 含义 | 常见问题 |
|---|---|---|
| fx, fy | 焦距（像素单位） | 标定板距离太近或太远，导致焦距不准 |
| cx, cy | 主点坐标 | 图像裁剪后忘记更新主点 |
| k1, k2, k3 | 径向畸变系数 | 鱼眼镜头需要更多参数，别用针孔模型硬套 |
| p1, p2 | 切向畸变系数 | 镜头装配偏差导致，一般数值较小 |
2.3 内参标定的常见坑
- 标定板不够大：我曾经用 A4 纸打印的棋盘格标定广角摄像头，结果边缘畸变根本标不准。后来换了 1.2m×0.9m 的大板子，效果立竿见影。
- 图片数量不够：至少 20 张，覆盖各个角度和位置。别偷懒，我见过有人拍 5 张就敢标定，结果重投影误差 0.8 像素，根本不能用。
- 忽略标定板平整度：打印的棋盘格贴在硬板上，别贴软板上。弯曲的标定板会让内参标定结果"漂移"。
我的习惯：内参标定完成后，我会用一张棋盘格图片做"反投影验证"——把标定板角点投影回图像，看误差是否在 0.3 像素以内。超过这个值，我会重新标定。
三、外参标定：让传感器"对齐"坐标系
3.1 外参到底在标什么？
外参标定，就是求两个传感器之间的旋转矩阵 R 和平移向量 t。比如摄像头和激光雷达，它们各自有自己的坐标系，外参就是告诉系统：激光雷达看到的一个点，在摄像头图像里对应哪个像素。
你想想看，如果这个对应关系错了，融合出来的目标位置能对吗？
3.2 外参标定的几种方法
- 基于标定板的方法：用棋盘格或 ArUco 板，同时被两个传感器看到。这是最可靠的方法，我推荐新手从这里入手。
- 基于自然特征的方法：用场景中的角点、边缘等特征做匹配。适合在线标定，但精度不如标定板。
- 基于手眼标定的方法：适合机械臂上的传感器，通过运动约束求解外参。
3.3 外参标定的避坑指南
我曾经在标定摄像头和激光雷达的外参时，发现重投影误差总是很大。排查了两天，最后发现是激光雷达的点云时间戳和图像时间戳没对齐。传感器数据不同步，标定结果怎么可能准？
所以，标定前一定要确认：
- 两个传感器的数据是否时间同步？
- 标定板是否在两个传感器的视野内？
- 标定板是否足够大，能覆盖整个视场？
警告：外参标定不是一次性的。传感器受到震动、温度变化后，外参可能会漂移。我建议每次联调前都做一次快速验证，用几帧数据检查重投影误差是否在合理范围内。
四、标定板选择：别小看这块板子
4.1 常见标定板类型
| 类型 | 适用场景 | 优缺点 |
|---|---|---|
| 棋盘格 | 摄像头内参、摄像头-摄像头外参 | 简单可靠，但角点检测受光照影响大 |
| ArUco 码 | 摄像头-激光雷达外参、单目位姿估计 | 自带 ID，支持多板同时使用，但精度略低于棋盘格 |
| 圆形标定板 | 激光雷达标定 | 圆形中心检测精度高，但需要特殊处理 |
| AprilTag | 高精度位姿估计 | 编码鲁棒性好，适合远距离标定 |
4.2 我的标定板选择经验
我个人习惯：
- 摄像头内参标定：用棋盘格，格子数量 9×7 或 11×8，格子大小 30-50mm。
- 摄像头-激光雷达外参：用 ArUco 板，因为激光雷达能检测到板的边缘，ArUco 码的角点检测更稳定。
- 多摄像头系统：用 AprilTag，每个摄像头看到不同的 Tag ID，方便自动匹配。
小技巧：标定板不要用反光材料。我吃过这个亏——用亚克力板做的标定板，在强光下反光严重，角点检测全乱了。后来改用哑光喷漆的铝板，问题解决。
五、标定流程：一步一步来，别跳步
5.1 标准标定流程
- 准备阶段：固定传感器，布置标定板。确保标定板平整、无遮挡。
- 数据采集：移动标定板，覆盖不同位置和角度。采集 20-30 帧数据。
- 内参标定：先标定每个摄像头的内参。这一步不能省，外参标定依赖内参。
- 外参标定：用标定板上的特征点，求解传感器之间的 R 和 t。
- 验证：用新的数据验证标定结果。重投影误差、点云投影误差都要检查。
5.2 标定流程中的常见问题
- 数据采集不充分：标定板只在一个平面内移动，导致外参求解退化。我建议标定板在三维空间内移动，包括前后、左右、上下、旋转。
- 忽略传感器同步：摄像头和激光雷达的数据时间戳不对齐，标定结果会引入额外误差。
- 验证不充分：只用标定数据验证，没有用独立数据验证。这就像考试时用原题做练习，成绩不能反映真实水平。
我的经验：标定完成后，我会用一组"挑战数据"做验证——比如标定板放在视野边缘、倾斜角度大、光照变化大的场景。如果这些场景下误差仍然可控，我才认为标定合格。
六、标定知识体系总览
下面这张图，是我自己总结的标定知识体系。你可以把它当作一个"检查清单"，每次标定时对照着看，避免遗漏。
七、总结
传感器标定这件事，说难不难，说简单也不简单。关键是要理解每个参数的含义，知道哪些坑容易踩，以及如何验证标定结果是否可靠。
我个人觉得，标定就像给传感器"配眼镜"——配得准了，整个世界都清晰；配不准，看什么都重影。所以，别嫌麻烦，每一步都认真做，联调的时候你会感谢自己的。
最后一句：标定不是一次性的工作。传感器在使用过程中会老化、受震动、温度变化，外参会漂移。我建议每隔一段时间做一次快速验证，确保标定参数仍然有效。