一、标定基础：什么是激光雷达标定？为什么需要标定？标定在自动驾驶中的核心地位
1.1 先聊聊我眼中的激光雷达标定
各位同学好。我是老张，在自动驾驶这行摸爬滚打了快十年。今天咱们开始聊激光雷达标定。
说实话，我刚入行那会儿，对「标定」这事儿挺不以为然的。觉得传感器买回来，接上线，数据能看，不就完事了吗？后来被现实狠狠教育了一顿。
有一次，我们团队做融合感知测试。激光雷达和摄像头各自跑得挺好，一融合就乱套——明明前面有辆车，激光雷达说在左边3米，摄像头说在右边2米。你想想看，这车谁敢开？
嗯，问题就出在标定上。
激光雷达标定，说白了就是给传感器「对齐坐标系」的过程。 让激光雷达知道自己在车上的位置、朝向，让它的每一个点云数据都能对应到真实世界的准确位置。
核心定义： 激光雷达标定是通过数学变换，建立激光雷达坐标系与车辆坐标系（或世界坐标系）之间精确映射关系的过程。
1.2 为什么非标定不可？
我遇到过不少刚入行的朋友问：现在的激光雷达出厂不是标好了吗？为什么还要自己标？
这里有个关键点要分清：出厂标定 vs 车上标定。
| 标定类型 | 解决什么问题 | 谁来做 |
|---|---|---|
| 出厂标定 | 激光雷达内部各激光器的相对位置、角度误差 | 传感器厂商 |
| 车上标定 | 激光雷达在整车上的安装位置、朝向 | 我们（自动驾驶工程师） |
出厂标定保证的是「这个雷达自身的数据是准的」。但雷达装到车上之后，它跟车体之间有个安装偏差——哪怕只偏了1度，在100米外就是1.7米的误差。你想想，这误差够让一辆车「跑偏」到隔壁车道去了。
所以，车上标定是必须的。而且不是标一次就完事——车辆使用过程中，振动、碰撞、维修都可能导致标定参数变化。我见过一个案例，某车队的车跑了一个月，标定参数漂了0.3度，融合效果直接崩了。
避坑提醒： 我曾经吃过一次亏——以为标定完就万事大吉，结果车辆经过一次底盘维修后，雷达位置变了，但没人重新标定。那周的路测数据全废了。所以，标定不是一次性工作，而是需要定期校验的。
1.3 标定在自动驾驶中的核心地位
咱们把自动驾驶系统想象成一个人。
- 传感器 是眼睛和耳朵
- 算法 是大脑
- 标定 是神经系统的「对齐」
眼睛看到的东西，大脑要能正确理解。但如果眼睛和大脑之间的「信号通路」没对齐——眼睛说「前方3米有障碍」，大脑理解成「前方5米」——那后果可想而知。
在自动驾驶里，标定直接影响三个核心环节：
- 感知融合：激光雷达、摄像头、毫米波雷达的数据要能「对齐」到同一个空间里。标定不准，融合就是瞎搞。
- 定位建图：激光SLAM依赖精确的点云匹配。标定误差会直接累积到地图和定位结果中。
- 规划控制：车辆决策依赖对周围环境的准确理解。标定偏差会导致「误判」——该刹车时没刹，不该刹时乱刹。
我的经验： 在项目初期，我建议先把标定精度做到0.1度以内。别急着调算法，先把「地基」打牢。否则后面所有工作都可能因为标定问题返工——这坑我踩过，真的疼。
1.4 标定的知识体系
下面这张图，是我自己整理的标定知识框架。每次带新人，我都会先让他们看这张图——先把全局看清楚，再深入细节。
这张图里，我重点标出了三个维度：标定类型、标定方法、核心应用。咱们这门课会沿着这个框架一步步展开。
1.5 标定的精度要求
你可能想问：标定到底要做到多准？
这个问题没有标准答案，取决于你的应用场景。我根据项目经验，给个参考：
| 应用场景 | 角度精度要求 | 位置精度要求 |
|---|---|---|
| L2级辅助驾驶 | ±0.2° | ±5cm |
| L3级自动驾驶 | ±0.1° | ±2cm |
| L4级无人驾驶 | ±0.05° | ±1cm |
| 高精地图采集 | ±0.02° | ±0.5cm |
我的建议： 做项目时，先定好目标精度，再选标定方法。别一上来就追求「最高精度」——那意味着更多的时间和成本。够用就好，但要有余量。
1.6 本章小结
好，咱们把第一章的核心内容捋一捋：
- 激光雷达标定 就是给雷达「对齐坐标系」
- 为什么需要标定——出厂标定和车上标定是两码事，安装偏差必须消除
- 核心地位——标定是感知融合、定位建图、规划控制的基础
- 精度要求——根据应用场景定目标，别盲目追求极致
说实话，标定这事儿看着基础，但真要做好，需要扎实的数学功底和大量的实践经验。后面几章，我会带着大家一步步把标定的每个环节吃透。
嗯，今天就到这儿。下一章咱们聊聊标定的数学基础——坐标系变换。那个搞明白了，后面就顺了。