4. 外参矩阵：旋转矩阵R与平移向量t，刚体变换的SE(3)表示
好，我们继续往下走。前面几章我们把内参、畸变、像素坐标系这些理清楚了。现在要聊的，是异构摄像头融合里最核心、也最容易出bug的一环——外参矩阵。
说白了，外参就是回答一个问题：这个摄像头在三维空间里到底在哪儿？脸朝哪边？
你想想看，两个摄像头拍同一个场景，如果不知道它们之间的相对位置和朝向，你怎么把像素点对应起来？没法对应。所以外参矩阵，就是描述这种“刚体变换”的数学工具。
4.1 刚体变换：不改变物体形状的移动
什么叫刚体变换？我举个生活中的例子。你手里拿个手机，从桌上拿到耳边——手机本身没变形、没摔碎，只是位置和朝向变了。这就是刚体变换。
在三维空间里，刚体变换只有两种运动：
- 旋转——绕某个轴转个角度
- 平移——沿着某个方向挪一段距离
没有缩放，没有剪切，没有扭曲。这一点非常重要。我在项目里见过有人把外参矩阵里的旋转部分写错了，结果点云直接扭曲成一团麻花……嗯，那画面太美我不敢看。
4.2 旋转矩阵 R：3×3 的正交矩阵
旋转矩阵 R 是一个 3×3 的方阵。它有几个硬性约束：
- 每一列都是单位向量
- 列与列之间互相垂直
- 行列式等于 +1（右手系）
用数学语言说，R 是 特殊正交群 SO(3) 的元素。说白了就是：R^T R = I，且 det(R) = 1。
绕 X、Y、Z 三个轴的旋转矩阵长这样：
// 绕 X 轴旋转 θ 角
R_x(θ) = [1, 0, 0;
0, cosθ, -sinθ;
0, sinθ, cosθ]
// 绕 Y 轴旋转 θ 角
R_y(θ) = [ cosθ, 0, sinθ;
0, 1, 0;
-sinθ, 0, cosθ]
// 绕 Z 轴旋转 θ 角
R_z(θ) = [cosθ, -sinθ, 0;
sinθ, cosθ, 0;
0, 0, 1]4.3 平移向量 t：3×1 的位移
平移向量 t 就简单多了。它就是三个数：[t_x, t_y, t_z]^T，表示从世界坐标系原点到摄像头坐标系原点的位移。
注意：这个平移是在世界坐标系下度量的，还是在摄像头坐标系下？
答案是：平移向量 t 是世界坐标系原点在摄像头坐标系下的坐标。这个方向别搞反了。我曾经在调试双目融合时，因为 t 的符号搞反，结果两个摄像头的点云一个在东一个在西……排查了整整两天。
4.4 SE(3)：把旋转和平移打包
旋转矩阵 R 和平移向量 t 单独用着不方便。我们通常把它们组合成一个 4×4 的齐次变换矩阵：
T = [R t;
0 1]
// 展开就是：
T = [r11, r12, r13, t_x;
r21, r22, r23, t_y;
r31, r32, r33, t_z;
0, 0, 0, 1]这个 T 就是 特殊欧氏群 SE(3) 的表示。它把旋转和平移统一成一个矩阵，方便做连续变换。
为什么用齐次坐标？因为你可以把多个变换串起来：
// 从世界坐标到摄像头1，再到摄像头2
T_cam2_world = T_cam2_cam1 * T_cam1_world用 4×4 矩阵乘法，一次搞定。不用先旋转再平移，省事。
4.5 外参矩阵的几何意义
我们来看一个完整的坐标映射流程：
- 世界坐标系下有一个点
P_w = [X, Y, Z, 1]^T（齐次坐标） - 左乘外参矩阵 T：
P_c = T * P_w - 得到摄像头坐标系下的坐标
P_c = [X', Y', Z', 1]^T - 再左乘内参矩阵 K，得到像素坐标
所以外参矩阵的本质，就是把世界坐标系“搬”到摄像头坐标系。
4.6 知识结构图：外参矩阵的组成与作用
下面这张图把外参矩阵的层级关系画清楚了：
4.7 外参矩阵的获取方式
在实际工程里，外参矩阵怎么来？我总结了几种常见方式：
| 方法 | 精度 | 适用场景 | 我的评价 |
|---|---|---|---|
| 标定板 + 张正友法 | 高 | 实验室、产线 | 最可靠，我首选 |
| 手眼标定 (Hand-Eye) | 中高 | 机械臂 + 摄像头 | 注意坐标系对齐 |
| CAD 模型 + 安装尺寸 | 低 | 固定安装、粗略估计 | 只能做初值 |
| SFM / 视觉SLAM | 中 | 无标定板、大场景 | 需要足够特征点 |
4.8 逆变换：从摄像头坐标系回到世界坐标系
有时候我们需要反过来——已知摄像头坐标系下的点，求它在世界坐标系下的坐标。这时候就用外参矩阵的逆：
T_inv = [R^T, -R^T * t;
0, 1]注意：不是简单的取逆矩阵，而是利用 R 的正交性 R^{-1} = R^T 来简化计算。这样算起来快，而且数值稳定。
np.linalg.inv(T) 去求逆。虽然数学上等价，但数值误差更大。用上面那个公式，又快又准。
4.9 小结
外参矩阵，说白了就是四个字：旋转 + 平移。但就是这看似简单的组合，在实际项目中坑最多。
- 坐标系定义不一致——坑
- 旋转矩阵不满足正交性——坑
- 平移方向搞反——坑
- 齐次坐标忘加最后一维 1——坑
我建议你每次写完外参相关的代码，都做一个闭环验证：取一个世界坐标点，投影到像素，再反投影回来，看误差有多大。这个习惯救了我很多次。