📚 课程目录第4章外参一致性

4、外参一致性：四相机间旋转矩阵与平移向量闭环验证

外参标定完了，拿到四组旋转矩阵和平移向量，是不是就完事了？

我告诉你，还早着呢。标定结果好不好，得看它能不能「闭环」。

什么叫闭环？说白了，就是我从相机1走到相机2，再从相机2走到相机3，最后从相机3走回相机1，转了一圈，应该回到原点。如果回不来，那中间肯定有误差。

4.1 为什么需要闭环验证？

四相机联合标定，我们通常以其中一个相机为参考系（比如相机1），然后标出相机2→1、相机3→1、相机4→1的外参。但这里有个隐含假设——这些变换关系是自洽的。

实际项目中，我遇到过好几次这样的情况：单独看每对相机的重投影误差都挺小，0.1个像素以内，但把四台相机的位姿放到同一个全局坐标系里一看，完全对不上。为什么？因为每对标定都有独立误差，累积起来就大了。

  核心思想： 外参一致性要求任意两个相机之间的变换，无论通过直接标定还是间接推导，结果必须一致。

举个例子。相机1到相机2的变换是 T₁₂，相机2到相机3是 T₂₃，相机3到相机1是 T₃₁。理论上，T₁₂ · T₂₃ · T₃₁ 应该等于单位矩阵 I。如果不等于，误差就出来了。

4.2 闭环误差的数学表达

我们定义闭环误差为：

E_loop = T₁₂ · T₂₃ · T₃₄ · T₄₁ - I

其中 T₄₁ 是相机4到相机1的变换矩阵。理想情况下，E_loop 应该是零矩阵。

但实际中，E_loop 不会为零。我们需要把它分解成旋转误差和平移误差两部分来看。

误差类型	数学表达	物理含义
旋转闭环误差	R_loop = R₁₂ · R₂₃ · R₃₄ · R₄₁	绕一圈后，角度偏差有多大
平移闭环误差	t_loop = R₁₂·(R₂₃·(R₃₄·t₄₁ + t₃₄) + t₂₃) + t₁₂	绕一圈后，位置偏差有多大

旋转闭环误差可以用轴角表示，提取出等效旋转角度 θ_loop。如果 θ_loop 超过 0.5°，我建议你重新检查标定数据。平移闭环误差则看向量模长，一般要求小于 5mm，具体看你的应用场景。

我的经验： 平移误差比旋转误差更敏感。有时候旋转误差看起来还行，但平移已经偏出去好几厘米了。所以两个都要看，别只看一个。

4.3 闭环验证的实操步骤

嗯，这里我直接给出一套我常用的验证流程：

构建闭环链：确定相机之间的连接顺序。四相机系统通常有多个闭环，比如 1→2→3→1、1→2→4→1、1→3→4→1。每个闭环都要验证。
计算累积变换：从起始相机出发，依次乘上相邻相机的变换矩阵，直到回到起始相机。
提取误差：从累积变换中提取旋转矩阵和平移向量，与单位矩阵比较。
评估阈值：判断误差是否在可接受范围内。
定位问题：如果某个闭环误差特别大，说明该闭环中的某对相机标定有问题。

下面这张图展示了四相机系统的闭环验证逻辑：

4.4 代码实现：闭环误差计算

我习惯用 Python + NumPy 来做这件事。下面是一个完整的闭环验证函数：

import numpy as np

def compute_loop_error(T_list):
    """
    计算闭环误差
    T_list: 按顺序排列的变换矩阵列表，[T₁₂, T₂₃, T₃₄, T₄₁]
    返回: 旋转误差(度), 平移误差(mm)
    """
    # 累积变换
    T_accum = np.eye(4)
    for T in T_list:
        T_accum = T_accum @ T
    
    # 提取旋转部分
    R_loop = T_accum[:3, :3]
    t_loop = T_accum[:3, 3]
    
    # 旋转误差：转为轴角
    theta = np.arccos((np.trace(R_loop) - 1) / 2)
    rot_error = np.degrees(theta)
    
    # 平移误差：向量模长
    trans_error = np.linalg.norm(t_loop)
    
    return rot_error, trans_error

# 使用示例
T12 = np.array([[...]])  # 你的标定结果
T23 = np.array([[...]])
T34 = np.array([[...]])
T41 = np.array([[...]])

rot_err, trans_err = compute_loop_error([T12, T23, T34, T41])
print(f"旋转闭环误差: {rot_err:.3f}°")
print(f"平移闭环误差: {trans_err:.3f} mm")

注意： 变换矩阵的乘法顺序不能搞反。T₁₂ 表示从相机2坐标系变换到相机1坐标系。如果你用的定义相反，记得调整。

4.5 误差溯源与调整策略

闭环误差超标了怎么办？别急着重新标定所有相机。先定位问题出在哪一对。

我常用的方法是「逐段排除法」：

先看每个闭环的误差大小，找出误差最大的那个闭环。
在这个闭环里，依次去掉某对相机的变换，用其他变换推导它，然后和直接标定结果对比。
如果推导结果和直接标定结果差异很大，那这对相机大概率有问题。

举个例子。闭环 1→2→3→1 误差很大。我可以用 T₁₃（直接标定）和 T₁₂·T₂₃（间接推导）做对比。如果两者差异明显，说明 T₁₂ 或 T₂₃ 有问题。再用 T₁₂ 和 T₁₃·T₃₂ 对比，就能锁定具体是哪一对。

对比方式	直接标定	间接推导	差异阈值
相机1→3	T₁₃（直接标）	T₁₂ · T₂₃	旋转 < 0.3°，平移 < 3mm
相机2→4	T₂₄（直接标）	T₂₁ · T₁₄	旋转 < 0.3°，平移 < 3mm
相机3→1	T₃₁（直接标）	T₃₄ · T₄₁	旋转 < 0.3°，平移 < 3mm

避坑指南： 我曾经遇到过一个情况，所有闭环误差都在阈值内，但实际拼接出来的点云就是有裂缝。后来发现是标定板的精度不够，导致所有外参都有系统性偏差。闭环验证只能发现相对误差，精度还得靠其他方法验证。

4.6 一致性指标与验收标准

最后，我给出一个我常用的验收标准表。你可以根据项目精度要求适当调整：

指标	优秀	合格	需调整
旋转闭环误差	< 0.1°	0.1° ~ 0.5°	> 0.5°
平移闭环误差	< 1 mm	1 ~ 5 mm	> 5 mm
直接/间接对比差异	< 0.05° / < 0.5 mm	0.05°~0.3° / 0.5~3 mm	> 0.3° / > 3 mm

记住，闭环验证只是外参一致性检查的第一步。它保证的是「相对关系」没错，但「位姿」准不准，还得靠后续的全局优化和实际测量来确认。不过，先把这一步做好，能省掉后面很多麻烦。