一、标定基础回顾：四相机系统坐标系定义与转换关系
做四相机联合标定，第一步不是调参数，而是把坐标系理清楚。我见过太多项目，标定精度上不去，最后发现是坐标系定义就乱了。说白了，坐标系就是整个系统的「通用语言」，语言不通，后面全是白搭。
1.1 四相机系统里有哪些坐标系？
一个典型的四相机系统，至少涉及四类坐标系。嗯，这里我按从「个体」到「整体」的顺序列出来：
| 坐标系 | 符号 | 描述 | 维度 |
|---|---|---|---|
| 像素坐标系 | (u, v) | 图像上的行列位置，原点在左上角 | 2D |
| 图像物理坐标系 | (x, y) | 以光轴与像面交点为原点，单位mm | 2D |
| 相机坐标系 | (Xc, Yc, Zc) | 以光心为原点，Zc沿光轴向前 | 3D |
| 世界坐标系 | (Xw, Yw, Zw) | 用户自定义的全局参考系 | 3D |
你想想看，一个空间点从世界坐标系到最终像素，中间要经历三次变换。我在项目中遇到过有人直接把相机坐标系当世界坐标系用，结果四台相机拼出来的点云全是错位的。
1.2 核心转换关系：从世界到像素
这个链条必须刻在脑子里。我习惯把它拆成三步：
- 刚体变换：世界坐标 → 相机坐标（旋转R + 平移t）
- 透视投影：相机坐标 → 归一化成像平面（内参矩阵K）
- 畸变校正 + 数字化：归一化坐标 → 像素坐标（畸变模型 + 像素缩放）
用公式表达就是：
s * [u, v, 1]^T = K * [R | t] * [Xw, Yw, Zw, 1]^T其中 s 是尺度因子。为什么会有 s？因为从3D到2D丢失了深度信息，投影过程天然带一个尺度模糊。这个细节在单目标定时不明显，但四相机联合标定时，尺度一致性是最大的坑之一。
关键点：四相机联合标定，本质就是求解每台相机的内参K_i，以及每台相机相对于同一个世界坐标系的[R_i | t_i]。
1.3 四相机系统的特殊之处
单目标定你可能会做，但四相机系统多了两个维度：
- 多视角重叠：相邻相机之间必须有公共视场，否则无法建立约束
- 全局一致性：四个相机的位姿必须统一到同一个世界坐标系下
我曾经踩过一个坑：四台相机分别标定，各自精度都很好，但拼在一起就是不对。后来发现，每台相机标定时用的棋盘格位置不同，世界坐标系原点根本没对齐。这就是典型的「局部最优，全局崩溃」。
避坑指南：我曾经在产线上调试四相机系统，发现标定结果反复跳动。查了两天才找到原因——标定板在四个相机视野中只出现了三个，缺失的那台相机没有约束，位姿直接飘了。记住：四相机联合标定，每张图像必须保证至少两台相机能同时看到标定板。
1.4 坐标系转换关系图
下面这张图把整个转换链路画清楚了。我建议你把它存下来，调试时对照着看：
1.5 联合标定的输入输出
搞清楚了坐标系，我们再来看联合标定到底要什么、给什么。我习惯用一张表说清楚：
| 项目 | 内容 |
|---|---|
| 输入 | 多组同步图像（每组包含4个相机同时拍摄的标定板图像） |
| 待求参数 | 4组内参K_i + 4组外参[R_i | t_i]（共4×6=24个外参自由度） |
| 约束条件 | 同一标定板角点在多相机图像中的重投影误差最小化 |
| 输出 | 全局统一的相机参数文件（.yaml / .json） |
个人经验：我习惯在标定前先做一次「预对齐」——用一张大棋盘格同时覆盖四个相机的视野，粗略估算相机之间的相对位姿。这样后续优化时，初值更准，收敛更快。别小看这一步，能省你半天调试时间。
1.6 一个小结
坐标系定义是四相机联合标定的地基。地基歪了，后面盖的楼再漂亮也得塌。我个人习惯在项目一开始就画好坐标系转换图，贴在工位上，每次调试前先看一眼。你想想看，如果连世界坐标系原点在哪都没统一，那标定结果怎么可能对？