一、多传感器标定概述

大家好，我是老张。在机器人行业摸爬滚打了十几年，今天咱们来聊聊多传感器标定这件事。

说实话，我刚入行那会儿，对「标定」这事儿真没太当回事。觉得传感器买回来，装上就能用。结果呢？第一次做融合定位，激光雷达和相机数据怎么都对不上，折腾了整整两周。后来才明白——标定不是可选项，而是必选项。

1.1 什么是多传感器标定

多传感器标定，说白了就是给不同传感器「对表」。

你想想看，一个机器人身上装了激光雷达、摄像头、IMU、GPS……每个传感器都有自己的坐标系。激光雷达说「前方2米有障碍」，相机说「前方偏右30像素有障碍」。它们说的「前方」是不是同一个方向？

多传感器标定要解决的就是这个问题：

• 空间对齐：把不同传感器的坐标系统一起来
• 时间对齐：让不同传感器的数据在时间上同步
• 内参校准：修正传感器自身的畸变和偏差

我在项目中遇到过最典型的场景——自动驾驶汽车上装了4个激光雷达和6个摄像头。如果不做标定，点云和图像根本对不上。你看到图像里有个行人，点云里对应的位置却是空的。这怎么融合？

1.2 为什么需要标定

这个问题我问过很多新人。有人回答「因为要做融合」，有人回答「因为要建图」。都对，但不够全面。

我总结了三层原因：

1. 传感器天生有误差——哪怕同一批次出厂的传感器，内参都不一样。我见过最夸张的一次，两台同型号的相机，焦距差了3%。
2. 安装有偏差——你不可能把传感器装得绝对水平、绝对对齐。哪怕偏差1度，在10米外就是17厘米的误差。
3. 使用中会变化——车跑久了，螺丝会松；温度变化，结构会变形。我有个项目，标定完跑了两个月，精度就掉了。

嗯，这里要注意——标定的必要性跟应用场景直接相关。如果你只是做简单的避障，粗标定就够了。但如果你要做高精度建图或定位，那标定精度直接决定了系统上限。

1.3 标定的核心目标

多传感器标定的核心目标，我归纳为三个：

目标	说明	典型指标
精度	标定结果的准确程度	重投影误差 < 1像素 点云配准误差 < 2cm
鲁棒性	在不同场景下都能稳定标定	多次标定结果方差 < 5%
效率	标定过程快、自动化程度高	单次标定 < 5分钟

这三个目标有时候是矛盾的。比如，你想提高精度，可能需要采集更多数据，效率就下来了。我个人的习惯是：先保证鲁棒性，再追求精度，最后优化效率。

1.4 评价指标

怎么判断标定得好不好？不能光凭感觉。我常用的评价指标有：

• 重投影误差：3D点投影到图像上的像素偏差。一般要求 < 1像素。
• 配准误差：不同传感器对同一物体的测量偏差。比如激光雷达和相机对同一个角点的位置差。
• 一致性检验：用不同数据集标定，看结果是否一致。我一般会做3次，取平均值。
• 闭环检验：标定完跑一遍SLAM，看建图效果。这是最直观的验证方式。

1.5 知识体系总览

下面这张图是我自己整理的标定知识体系。你看一眼，心里就有数了：

从这张图你能看到，标定不是孤立的技术。空间标定、时间标定、内参标定三者相互关联。我个人的经验是：先做内参标定，再做时间同步，最后做空间标定。顺序搞反了，后面全是坑。

1.6 小结

这一章我们聊了标定的基本概念。说白了，标定就是让传感器们「说同一种语言」。没有标定，多传感器融合就是空中楼阁。

下一章，我会带你深入相机标定的具体方法。到时候咱们聊聊张正友标定法，还有我在实际项目中踩过的那些坑。

---