1. 传感器标定概述
大家好，我是你们这趟标定之旅的向导。说实话，每次带新人入行，我都要先问一个问题：你手里的传感器，真的「认识」这个世界吗？
嗯，这就是标定要解决的事。
什么是传感器标定
传感器标定，说白了就是给传感器「配眼镜」。
一个激光雷达，它说自己测出来前方5米有障碍物。但你真的拿尺子去量，发现其实是4.95米。差这5厘米，在高速场景下可能就是生与死的距离。
标定就是找到这个偏差，然后把它修正过来。
我习惯把标定分成两类：
- 内参标定：传感器自己跟自己较劲。比如激光雷达的激光发射角度、相机的焦距和畸变。这些参数出厂时就有，但用久了会漂移。
- 外参标定：传感器跟传感器之间「对齐」。比如激光雷达和相机，它们看到的同一个点，在各自坐标系里位置不一样。你得找到那个旋转矩阵和平移向量，把它们统一起来。
核心理解：标定不是一次性的工作。温度变化、震动、甚至时间久了螺丝松动，都会让标定参数失效。我见过太多团队，标定完就再也不管了，结果路测时发现感知结果对不上——嗯，那场面挺尴尬的。
为什么需要标定
你想想看，自动驾驶系统里通常有多个传感器。激光雷达、摄像头、毫米波雷达、IMU……每个传感器都有自己的坐标系。
如果它们之间没对齐，会发生什么？
- 激光雷达说障碍物在正前方，相机说在偏左30厘米。你信谁？
- 融合算法拿到的是「错位」的数据，输出的结果自然也是错的。
- 更严重的是，标定误差会随着距离放大。近处差1厘米，100米外可能差出半米。
我在项目中遇到过一件事：有一次路测，车辆对前方静止车辆完全没有反应。排查了三天，最后发现是激光雷达和IMU的外参偏了0.5度。就这么点偏差，导致运动补偿后的点云全乱了。从那以后，我每次上车第一件事就是检查标定文件的时间戳。
避坑提醒：千万不要以为「差不多就行」。标定误差是系统性的，它会渗透到感知、规划、控制的每一个环节。我曾经见过一个团队，花了两周调融合算法，最后发现是标定参数错了——白白浪费了时间。
标定的核心目标
标定的目标其实很简单，就三个字：准、稳、快。
| 目标 | 说明 | 我的经验 |
|---|---|---|
| 准（Accuracy） | 标定后的参数与真实值之间的偏差尽可能小 | 我一般要求外参旋转误差小于0.1度，平移误差小于2mm |
| 稳（Stability） | 多次标定结果的一致性要高 | 同一个场景标10次，结果波动太大说明方法有问题 |
| 快（Efficiency） | 标定过程要快，不能耽误产线节拍 | 产线上标定超过5分钟，工程师就要来找我谈话了 |
说白了，标定就是给整个感知系统打地基。地基歪了，上面盖的楼再漂亮也没用。
评价指标
怎么判断标定做得好不好？我一般看这几个指标：
- 重投影误差（Reprojection Error）：把激光雷达的点投影到图像上，看它跟实际像素位置的偏差。一般要求小于1个像素。
- 点云对齐误差：两个激光雷达之间，或者激光雷达与地图之间，看匹配后的残差。我习惯用ICP的收敛值来评估。
- 时间同步精度：传感器之间的时间戳对齐程度。毫米波雷达和激光雷达之间，时间差最好控制在1ms以内。
- 鲁棒性：换个场景、换个温度，标定结果还能不能用。我见过一些标定方法，在实验室里完美，一上路就崩。
小技巧：我每次标定完，都会做一个「交叉验证」。比如用标定好的参数去预测一个已知距离的目标，看偏差有多大。这个方法虽然土，但特别管用。
知识体系总览
下面这张图，是我自己梳理的标定知识框架。你可以把它当作整个课程的地图：
这张图把标定分成了三大块：内参、外参、评价指标。后面每一章，我们都会围绕这张图展开。你学完整个课程，再回来看这张图，会发现每个节点背后都有实实在在的工程经验。
一句话总结：标定是自动驾驶感知的「第一性原理」。没有好的标定，后面的一切都是空中楼阁。我见过太多团队在融合算法上花了大把时间，结果标定参数一换，算法效果直接翻倍——嗯，这就是基础的力量。
好了，这一章就到这里。记住我说的：标定不是技术问题，是态度问题。认真对待每一次标定，你的感知系统会回报你稳定的表现。