2. 坐标系与传感器标定：车辆坐标系、相机坐标系、激光雷达坐标系、坐标变换基础、联合标定原理

各位同学，欢迎来到第二讲。

上一章我们聊了BEV感知的整体框架，说白了就是让车学会“上帝视角”。但你想过没有，车上的摄像头、激光雷达，它们各自看到的都是“局部世界”。怎么把这些碎片拼成一张完整的俯视图？

答案就是——坐标系与标定。

我个人习惯把这一章称为“感知系统的地基”。地基没打好，后面的模型再花哨也是空中楼阁。我在项目里见过太多因为标定误差导致感知结果“差之毫厘，谬以千里”的案例。嗯，咱们今天就把这块硬骨头啃下来。

2.1 四大核心坐标系

先搞清楚我们到底在跟谁打交道。自动驾驶里，有四个绕不开的坐标系：

• 车辆坐标系：以车为中心的世界。通常原点在后轴中心，X轴朝前，Y轴朝左，Z轴朝上。这是所有传感器的“最终归宿”。
• 相机坐标系：以相机光心为原点。Z轴沿着光轴方向，X、Y轴平行于成像平面。说白了，相机看到的是“透视世界”。
• 激光雷达坐标系：以激光雷达的旋转中心为原点。X轴朝前，Y轴朝左，Z轴朝上。它输出的是三维点云，每个点都有精确的(x, y, z)。
• 像素坐标系：图像上的二维坐标。原点在左上角，u轴向右，v轴向下。这是最终我们看到的“图片”。

你想想看，这四个坐标系之间是什么关系？

其实就是一个“翻译”过程。激光雷达说“我看到了一个点，在(10, 2, -1.5)”，相机说“我看到了一个像素，在(u, v)”。我们需要一个“翻译官”，把它们的语言统一到车辆坐标系下。

2.2 坐标变换基础

坐标变换，说白了就是“旋转+平移”。

我记得刚入行时，总觉得这玩意儿太简单，不就是矩阵乘法吗？直到有一次，我把旋转矩阵的顺序搞反了，结果点云全部飞到了天上……嗯，从那以后我再也不敢轻视它了。

2.2.1 旋转矩阵

三维空间里的旋转，可以用一个3x3的矩阵表示。绕X轴、Y轴、Z轴的旋转矩阵分别是：

// 绕X轴旋转θ角
Rx(θ) = [[1, 0, 0],
         [0, cosθ, -sinθ],
         [0, sinθ, cosθ]]

// 绕Y轴旋转θ角
Ry(θ) = [[cosθ, 0, sinθ],
         [0, 1, 0],
         [-sinθ, 0, cosθ]]

// 绕Z轴旋转θ角
Rz(θ) = [[cosθ, -sinθ, 0],
         [sinθ, cosθ, 0],
         [0, 0, 1]]

这里有个坑：旋转顺序很重要！先绕X轴再绕Y轴，和先绕Y轴再绕X轴，结果完全不同。我建议你统一使用“Z-Y-X”顺序，这是自动驾驶行业的主流做法。

2.2.2 平移向量

平移就简单多了，就是一个3x1的向量t = [tx, ty, tz]^T。表示从原坐标系原点，移动到新坐标系原点的偏移量。

2.2.3 齐次坐标与变换矩阵

为了把旋转和平移统一起来，我们引入齐次坐标。把三维点(x, y, z)变成四维(x, y, z, 1)。

变换矩阵T就是一个4x4的矩阵：

T = [[R, t],
     [0, 1]]

其中R是3x3旋转矩阵，t是3x1平移向量。这样，一个点从坐标系A变换到坐标系B，只需要一次矩阵乘法：

P_b = T_ab * P_a

说白了，就是“左乘变换矩阵”。

2.3 传感器标定原理

标定，就是求变换矩阵T的过程。我们需要知道每个传感器相对于车辆坐标系的精确位置和姿态。

2.3.1 相机内参标定

相机内参，描述的是“三维世界到二维图像”的映射关系。包括焦距(fx, fy)、主点(cx, cy)和畸变参数。

内参矩阵K：

K = [[fx, 0, cx],
     [0, fy, cy],
     [0, 0, 1]]

标定方法：用棋盘格拍多张照片，通过角点检测和优化算法，解算出K和畸变参数。

我曾经遇到过一个案例：标定板没放平，导致畸变参数偏差很大。结果车道线检测总是弯的。后来重新标定，问题就解决了。所以，标定过程一定要规范。

2.3.2 激光雷达到相机的外参标定

这是最关键的联合标定。我们需要求出一个4x4的变换矩阵T_lidar_to_camera，把激光雷达的点云投影到图像上。

原理很简单：

1. 在场景中放置标定物（比如棋盘格或特定形状的标定板）。
2. 激光雷达扫描到标定物的点云。
3. 相机拍到标定物的图像。
4. 通过点云和图像上的对应特征点，解算变换矩阵。

数学上，这是一个PnP（Perspective-n-Point）问题。给定3D点云和对应的2D像素点，求解相机位姿。

// 投影公式
// 点云坐标 P_lidar = [x, y, z, 1]^T
// 变换到相机坐标系 P_camera = T_lidar_to_camera * P_lidar
// 投影到像素坐标 p_pixel = K * P_camera (前两维除以第三维)

2.3.3 车辆坐标系与传感器坐标系的标定

每个传感器安装到车上后，都需要标定其相对于车辆坐标系的外参。

通常的做法是：

• 把车停在平整的地面上，用全站仪或高精度RTK测量传感器的精确位置。
• 或者，通过车辆运动（直线行驶、转弯）来在线标定。

我个人更推荐第二种方法。因为车辆在实际行驶中，传感器会有微小的形变，离线标定无法覆盖这些情况。

2.4 联合标定的工程实践

好了，理论说完了。咱们聊聊实际怎么做。

一个典型的联合标定流程是这样的：

步骤	操作	注意事项
1	准备标定场地	地面平整，标定板摆放合理
2	采集数据	确保所有传感器同时触发
3	特征提取	点云和图像上的特征点要一一对应
4	求解变换矩阵	使用优化算法（如Levenberg-Marquardt）
5	验证标定结果	投影点云到图像，检查对齐精度

我记得有一次，标定结果总是有1-2个像素的误差。排查了很久，发现是标定板的角点检测算法有bug。换成亚像素级别的检测后，误差降到了0.5像素以内。

2.5 总结与思考

这一章的内容，说白了就是一句话：坐标系是感知的骨架，标定是感知的肌肉。

没有准确的标定，BEV感知模型看到的“上帝视角”就是扭曲的。你想想看，如果激光雷达和相机的数据对不齐，模型怎么学得会融合？

下一章，我们会进入BEV感知的核心——特征提取与视角变换。但在那之前，我建议你把标定的代码亲手跑一遍。纸上得来终觉浅，绝知此事要躬行。

好了，今天就到这里。有问题随时交流。