传感器基础与坐标系：从原理到实战

大家好，我是你们的老朋友。今天我们来聊聊多传感器标定里最基础、也最绕不开的一块——传感器本身和坐标系。

说实话，我刚入行那会儿，觉得标定就是调参数。后来踩了无数坑才明白：不懂传感器原理，你连数据噪声从哪来的都不知道；不懂坐标系，你连数据对齐都做不到。 这一章，咱们就把这两块硬骨头啃下来。

一、常见传感器：它们到底在“看”什么？

先说说我们最常用的四位“兄弟”：LiDAR、Camera、IMU、Radar。每个都有自己的脾气。

1. LiDAR（激光雷达）

LiDAR 的原理很简单——发射激光，测量反射时间，算出距离。它输出的是点云，也就是一堆三维坐标点 (x, y, z)。

我个人习惯把 LiDAR 比作“盲人摸象”：它摸到的每个点都是精确的，但整体形状要靠点云拼接。我在项目中遇到过一个问题：LiDAR 在雨天会打出大量噪点，因为雨滴也会反射激光。嗯，这时候就得靠滤波算法了。

2. Camera（相机）

Camera 是“眼睛”，但它看到的只是二维像素。它靠的是光敏元件把光信号转成电信号。输出是图像，每个像素有 RGB 值。

说白了，Camera 没有深度信息。你想想看，一张照片里，远处的山和近处的树，在像素上都是平的。所以 Camera 做标定时，必须依赖内参（焦距、畸变系数）和外参（位置姿态）。

避坑指南： 我曾经因为相机畸变参数没标准，导致融合后的点云和图像对不上。后来老老实实拍了20张棋盘格，才把这事搞定。

3. IMU（惯性测量单元）

IMU 是“内耳”，它感知自身的加速度和角速度。输出是六轴数据：三轴加速度 (ax, ay, az) 和三轴角速度 (gx, gy, gz)。

IMU 有个致命缺点：漂移。你把它放桌上不动，它也会慢慢积累误差。为什么？因为加速度计和陀螺仪都有零偏，积分一次就变成速度误差，再积分一次就是位置误差。

我建议：IMU 一定要和 LiDAR 或 Camera 做紧耦合，用其他传感器来修正它的漂移。单独用 IMU 做定位？那是找死。

4. Radar（毫米波雷达）

Radar 发射电磁波，测量反射信号的多普勒频移来算速度。它输出的是目标列表，每个目标有距离、速度、角度。

Radar 不怕雨雪雾，这是它最大的优势。但它的角度分辨率很差，通常只有几度。所以 Radar 看到的物体，位置是模糊的。

我在项目中遇到过：Radar 把路边的金属护栏误判成静止车辆。后来加了速度阈值过滤，才解决。

传感器	输出数据	优点	缺点
LiDAR	点云 (x,y,z)	精度高，有深度	受天气影响大
Camera	图像 (RGB)	纹理丰富	无深度信息
IMU	加速度、角速度	高频、无漂移（短期）	长期漂移严重
Radar	目标列表	全天候	角度分辨率低

二、坐标系定义：数据对齐的“语言”

传感器数据要融合，首先得让它们“说同一种语言”。这个语言就是坐标系。

1. 世界坐标系 (World Frame)

世界坐标系是全局的参考系。通常我们选东北天 (ENU) 或 北东地 (NED)。在自动驾驶里，常用 ENU：X 轴指向东，Y 轴指向北，Z 轴指向天。

为什么要有世界坐标系？因为车在动，传感器在动，但世界是静止的。所有轨迹、地图，最终都要映射到世界坐标系里。

2. 车体坐标系 (Body Frame / Vehicle Frame)

车体坐标系是固定在车上的。通常：X 轴指向车头，Y 轴指向左侧，Z 轴指向车顶（右手系）。

注意： 不同车厂的定义可能不同。有的把 Y 轴指向右侧。标定前一定要确认好。我曾经因为坐标系定义不一致，导致融合结果差了半米。

3. 传感器坐标系 (Sensor Frame)

每个传感器都有自己的坐标系。比如 LiDAR 的坐标系原点在激光发射中心，Camera 的坐标系原点在光心。

传感器坐标系是局部的。标定的本质，就是求出传感器坐标系到车体坐标系的变换关系。

三、坐标变换基础：旋转和平移

坐标变换说白了就是两件事：旋转和平移。

1. 旋转矩阵

旋转矩阵 R 是一个 3x3 的正交矩阵。它描述了一个坐标系相对于另一个坐标系的朝向。

比如，把点 p 从传感器坐标系转到车体坐标系：

p_body = R * p_sensor + t

其中 t 是平移向量。

2. 欧拉角 vs 四元数

旋转矩阵有 9 个参数，但自由度只有 3。所以实际中常用欧拉角（roll, pitch, yaw）或四元数（w, x, y, z）。

我个人习惯用四元数。为什么？因为欧拉角有万向锁问题。你想想看，当 pitch 接近 90° 时，roll 和 yaw 就分不清了。四元数没有这个问题。

3. 齐次变换矩阵

为了把旋转和平移写在一起，我们引入齐次坐标：

[p_body]   = [R  t] * [p_sensor]
[  1   ]     [0  1]   [   1    ]

这个 4x4 的矩阵就是齐次变换矩阵 T。标定就是求这个 T。

四、知识体系总览

下面这张图，是我自己总结的本章知识结构。你可以把它当作一个“地图”，随时回来对照。

五、实战中的一点体会

讲完理论，我想分享一点实战经验。

标定不是一次性的。 传感器会随着时间、温度、振动发生微小的形变。我建议每次上线前，都跑一遍在线标定，检查外参是否还准。

另外，数据同步也很关键。如果 LiDAR 和 Camera 的时间戳没对齐，你标出来的外参就是错的。嗯，这个我们下一章会详细讲。

好了，这一章的内容就到这里。传感器原理和坐标系是标定的地基，地基不稳，上层建筑全是白搭。希望你能把这些基础打牢，后面我们才能玩更高级的。

---