2. 坐标系基础

做传感器融合，第一关就是坐标系。我见过不少新手，算法推得头头是道，结果一跑数据，点云和图像对不上——十有八九是坐标系搞混了。说白了，坐标系就是给空间里的每个点一个唯一的“身份证号”。

今天咱们把四个核心坐标系掰开揉碎讲清楚。你想想看，一个三维点从真实世界落到你屏幕上的像素，中间经历了什么？嗯，就是下面这张图说的故事。

1. 世界坐标系 (World Coordinate System)

世界坐标系是整个场景的“参考系”。你可以把它想象成一个固定的原点，所有物体、传感器、车辆的位置都相对于它来描述。我习惯把世界坐标系的原点设在场景的某个角落，比如停车场的第一根柱子，或者用GPS经纬度作为基准。

• 表示方式： (X_w, Y_w, Z_w)
• 单位： 米（或毫米，看应用场景）
• 特点： 一旦定义，不再改变。所有其他坐标系都通过变换与之关联。

2. 相机坐标系 (Camera Coordinate System)

相机坐标系的原点在相机的光心（镜头中心），Z轴指向相机的前方（也就是拍摄方向），X轴向右，Y轴向下。嗯，这里要注意：相机坐标系的Y轴是朝下的，这和世界坐标系的习惯不一样。

为什么这么定义？因为图像的行是从上往下数的，Y轴朝下方便后续映射到图像坐标。我在第一次做标定时，没注意这个细节，结果点云投影到图像上全是上下颠倒的——折腾了一天才发现是坐标系方向搞反了。

• 表示方式： (X_c, Y_c, Z_c)
• 与世界坐标系的关系： 通过旋转矩阵R和平移向量t进行刚体变换

[Xc]   [R11 R12 R13] [Xw]   [tx]
[Yc] = [R21 R22 R23] [Yw] + [ty]
[Zc]   [R31 R32 R33] [Zw]   [tz]

3. 图像坐标系 (Image Coordinate System)

图像坐标系是二维的，原点在成像平面的中心（也就是光轴与成像平面的交点），x轴向右，y轴向下。单位是毫米。

这里有个关键点：相机坐标系里的三维点，通过透视投影变成图像坐标系里的二维点。说白了，就是小孔成像原理——远处的物体在成像平面上变小了。

透视投影公式：

x = f * (Xc / Zc)
y = f * (Yc / Zc)

其中f是焦距（单位：毫米）。Zc是物体到相机的深度。

4. 像素坐标系 (Pixel Coordinate System)

像素坐标系就是我们最终看到的图像坐标。原点在图像左上角，u轴向右，v轴向下。单位是像素（pixel）。

从图像坐标系到像素坐标系，其实就是一次“离散化”和“偏移”：

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

其中：

• dx, dy：每个像素在x和y方向的物理尺寸（毫米/像素）
• u0, v0：图像坐标系原点在像素坐标系中的位置（主点坐标）

5. 完整转换关系总结

把上面四步串起来，一个世界坐标系下的点P_w到像素坐标(u, v)的完整变换是：

Zc * [u]   [fx  0  u0  0] [R  t] [Xw]
     [v] = [ 0 fy  v0  0] [0  1] [Yw]
     [1]   [ 0  0   1  0]        [Zw]
                                  [ 1]

其中：

• fx = f / dx, fy = f / dy：以像素为单位的焦距
• u0, v0：主点坐标
• R, t：相机外参（旋转和平移）