1、坐标系基础：为什么自动驾驶需要坐标系？

说实话，我刚入行做自动驾驶时，也问过这个问题。

车在路上跑，为什么要搞一堆坐标系？直接看摄像头画面不就行了？

后来踩了个坑才明白——摄像头看到的只是二维画面，而车需要知道三维空间里的真实位置。没有坐标系，你连车道线在哪都说不清楚。

1.1 四个坐标系，一个都不能少

自动驾驶里，我们常打交道的是这四个坐标系：

• 世界坐标系——描述真实世界的绝对位置
• 相机坐标系——以相机为中心看世界
• 图像坐标系——相机成像平面上的物理位置
• 像素坐标系——图像里每个像素的坐标

它们之间的关系，说白了就是一条流水线：
世界坐标 → 相机坐标 → 图像坐标 → 像素坐标

我个人习惯把这四个坐标系想象成「翻译链条」。每次转换，就是把信息翻译成下一个系统能理解的语言。

1.2 世界坐标系：给地球一个原点

世界坐标系是绝对的。它不依赖任何传感器，只依赖一个固定的原点。

举个例子，我做过一个项目，要在高架桥上检测车道线。桥面有坡度，如果只用相机画面，根本分不清是车道线弯了还是路面不平。这时候必须把像素点映射回世界坐标系，才能准确判断。

世界坐标系通常用 (X_w, Y_w, Z_w) 表示。原点可以选在路口、停车场入口，或者某个固定地标。你想想看，没有这个坐标系，两辆车各自说「我在路口东边10米」，但说的根本不是同一个路口——那就乱套了。

1.3 相机坐标系：以镜头为原点

相机坐标系的原点在相机光心，Z轴指向镜头前方。

为什么要多此一举？因为世界坐标系里的点，相机看不到。相机只能看到「相对于自己」的位置。

我记得有一次调试车道线检测，发现检测结果总是偏右。查了半天，原来是相机安装时偏了1度。这个偏差在世界坐标系里几乎看不出来，但在相机坐标系里，所有点的位置都偏移了。

相机坐标 (X_c, Y_c, Z_c) 和世界坐标之间，靠的是外参矩阵来转换。外参包括旋转矩阵 R 和平移向量 t。

[X_c, Y_c, Z_c, 1]^T = [R | t] * [X_w, Y_w, Z_w, 1]^T

1.4 图像坐标系：从三维到二维

这一步是「降维打击」。

相机坐标系是三维的，但图像是二维的。怎么把三维点投影到二维平面上？靠的是内参矩阵中的透视投影。

图像坐标系的原点在相机光轴与成像平面的交点（也就是主点），单位是毫米或米这样的物理单位。

公式很简单：

x = f * X_c / Z_c
y = f * Y_c / Z_c

其中 f 是焦距。你看，Z_c 被除掉了——这就是为什么远处的物体看起来小。

1.5 像素坐标系：给图像编个号

图像坐标系是物理单位，但计算机不认识毫米，它只认识像素。

像素坐标系的原点在图像左上角，u 轴向右，v 轴向下。每个像素的坐标 (u, v) 就是它在图像矩阵中的行和列。

从图像坐标到像素坐标，需要两个参数：

• dx, dy：每个像素的物理尺寸（毫米/像素）
• u0, v0：主点在像素坐标系中的位置

转换公式：

u = x / dx + u0
v = y / dy + v0

嗯，这里要注意：dx 和 dy 通常不相等，因为像素不一定是正方形。我遇到过一些廉价摄像头，dx 和 dy 差了5%以上，如果不校正，车道线检测会歪得离谱。

1.6 完整转换链路

把上面四步串起来，就是完整的坐标转换链路：

世界坐标 (X_w, Y_w, Z_w)
  ↓ 外参矩阵 [R | t]
相机坐标 (X_c, Y_c, Z_c)
  ↓ 透视投影 (除以 Z_c)
图像坐标 (x, y)
  ↓ 像素缩放 + 偏移
像素坐标 (u, v)

1.7 知识体系总览

下面这张图，是我自己总结的坐标系转换关系。你看一眼就能明白整个链路：

1.8 为什么车道线检测离不开坐标系？

你想想看，车道线检测最终要输出什么？

不是像素坐标，而是真实世界中的车道线方程。比如「前方50米处车道线向左弯曲，曲率半径200米」。

这个信息必须用世界坐标系来表达，否则控制模块没法用。

所以整个流程是：

1. 从像素坐标反推回图像坐标
2. 结合深度信息（或地面假设）反推回相机坐标
3. 用外参矩阵的逆矩阵，从相机坐标回到世界坐标

每一步都依赖坐标系之间的精确转换。任何一个环节出错，车道线都会「飘」到错误的位置。

好了，这一章就到这里。坐标系这个东西，刚开始觉得抽象，用多了就习惯了。下一章我们聊聊相机标定——怎么拿到那些内参和外参。