4、摄像头外参标定：车辆坐标系下的安装角度标定
好，咱们进入摄像头标定里最「接地气」的一个话题——外参标定。
内参标定搞定的是镜头和感光芯片本身的畸变、焦距这些事。但摄像头装到车上以后，它到底朝哪个方向看？跟车头是不是一条直线？这些就是外参要解决的问题。
说白了，外参就是描述摄像头坐标系和车辆坐标系之间的旋转和平移关系。今天咱们重点聊旋转——也就是安装角度。
4.1 车辆坐标系下的安装角度
先统一一下坐标系。我习惯用ISO 8855标准：
- X轴：车辆前进方向
- Y轴：车辆左侧方向
- Z轴：车辆上方方向
摄像头装上去以后，它的光轴跟车辆坐标系之间会有三个角度偏差：
| 角度 | 定义 | 影响什么 |
|---|---|---|
| 俯仰角（Pitch） | 绕Y轴旋转，摄像头抬头或低头 | 测距精度、地平线位置 |
| 偏航角（Yaw） | 绕Z轴旋转，摄像头向左或向右偏 | 车道线横向位置、目标方位 |
| 翻滚角（Roll） | 绕X轴旋转，摄像头左右倾斜 | 地平线倾斜、车道线斜率 |
这三个角度，任何一个偏差超过0.1度，在100米外的横向误差就能到17厘米。你想想看，车道宽度才3.5米，这误差已经不能忍了。
关键认知：外参标定的精度直接决定了感知系统在远距离上的可靠性。俯仰角偏差1度，100米处的纵向测距误差可达1.7米——这在AEB场景下可能就是撞与没撞的区别。
4.2 俯仰角/偏航角/翻滚角的计算方法
这三个角怎么算？核心思路就一句话：找特征，算旋转。
具体来说，我们需要找到一些在车辆坐标系下已知位置的特征点，然后在图像里找到它们的投影，反过来解算旋转矩阵。
4.2.1 俯仰角计算
俯仰角最容易算。为什么？因为地平线在图像里的位置直接反映了俯仰角。
假设摄像头安装高度为H，焦距为f，图像中地平线的纵坐标为v₀（像素），那么：
俯仰角 θ = arctan((v₀ - cy) / f)其中cy是图像主点的纵坐标。
我在项目中遇到过一个问题：有些场景下地平线被遮挡了，比如前面有辆大卡车。这时候就不能直接用地平线了。我的做法是用车道线——只要找到两条车道线在图像中的消失点，那个点的纵坐标就是地平线的位置。
实用技巧：如果车道线也不清晰，可以用静止车辆的车轮下沿或者路沿石。这些特征在平直路段上都能提供可靠的地平线信息。
4.2.2 偏航角计算
偏航角稍微麻烦一点。它反映的是摄像头光轴跟车辆纵轴之间的水平夹角。
怎么算？看车道线的横向位置。
如果摄像头完全正对前方，左右车道线在图像里应该是对称的。如果偏航角不为零，两条车道线会整体向左或向右偏移。
具体公式：
偏航角 ψ = arctan((x_left + x_right - 2*cx) / (2*f))其中x_left和x_right是左右车道线在图像底部的横坐标，cx是主点横坐标。
嗯，这里要注意：这个公式假设车道宽度是标准的3.5米左右。如果实际车道宽度偏差很大，比如窄路或者宽马路，结果会有误差。我一般会结合多个帧的数据做滤波，或者用标定场里的已知宽度标志线。
4.2.3 翻滚角计算
翻滚角最简单——看地平线的倾斜角度。
如果摄像头装歪了，图像里的地平线就不是水平的。翻滚角就是地平线在图像中的倾斜角度。
翻滚角 φ = arctan((v_right - v_left) / (x_right - x_left))其中v_left和v_right是地平线左右两端的纵坐标。
翻滚角一般不会太大，因为安装支架有机械限位。但我见过一个案例：某款车的摄像头支架在长期振动后松动了，翻滚角漂了2度。结果车道线检测一直报「车道线倾斜」，其实是摄像头自己歪了。
避坑指南：我曾经在标定一台车时发现翻滚角总是偏大，查了半天发现是车辆停在了有坡度的路面上。记住：翻滚角标定必须在水平路面上进行，否则会把路面坡度误认为是摄像头倾斜。
4.3 基于车道线的在线标定
前面说的都是静态标定——在标定场里一次搞定。但实际应用中，摄像头的外参会随着时间漂移。温度变化、振动、支架老化，都会让安装角度发生变化。
所以，在线标定就变得非常重要。
在线标定的核心思想：利用车辆行驶过程中感知到的自然特征，持续修正外参。
4.3.1 车道线法的基本原理
车道线是最理想的在线标定特征。为什么？
- 大部分结构化道路上都有
- 车道线是平行的，提供了方向约束
- 车道宽度已知（虽然不同国家有差异）
具体做法是这样的：
- 从图像中提取车道线
- 假设车道线在车辆坐标系下是平行且等距的
- 用当前的外参将车道线投影到车辆坐标系
- 计算投影后的车道线是否满足平行和等距约束
- 如果不满足，反向优化外参
说白了，这就是一个优化问题：
min Σ || 投影后的车道线偏差 ||²
s.t. 车道线平行且间距为W4.3.2 基于标定场的离线标定
虽然在线标定很香，但新车下线或者更换摄像头后，还是得做一次离线标定。
标定场里一般会有：
- 棋盘格或圆点阵（用于内参标定）
- 已知位置的地面标志线（用于外参标定）
- 垂直标志杆（用于高度标定）
我记得有一次在标定场里，发现摄像头检测到的标志点位置跟实际位置总是差几厘米。排查了半天，发现是标定场的地面标志线被晒褪色了，检测精度下降。从那以后，我每次去标定场都会先检查标志线的清晰度。
经验之谈：离线标定和在线标定不是二选一的关系。我建议的做法是：新车下线做一次完整的离线标定，然后车辆运行过程中持续用在线标定做微调。两者结合，才能保证长期稳定。
4.4 标定流程与注意事项
最后，我总结一下完整的标定流程：
- 准备工作：确保车辆停在水平路面，轮胎气压正常，载荷分布均匀
- 内参标定：先搞定镜头畸变和焦距（如果内参已知可跳过）
- 特征提取：从图像中提取车道线或标定场标志点
- 初始估计：用地平线法估算俯仰角和翻滚角，用车道线对称性估算偏航角
- 非线性优化：用Levenberg-Marquardt或Gauss-Newton做精细优化
- 验证：用另一组数据验证标定结果，检查投影误差是否在阈值内
重要提醒：标定完成后一定要做验证。我见过有人标定完发现投影误差很小，但实际跑起来测距偏差很大。为什么？因为优化陷入了局部最优。验证的方法很简单：在图像里选几个特征点，投影到车辆坐标系，然后跟实际测量值对比。误差超过5厘米就要重新标定。
好了，这一章的内容就到这里。摄像头外参标定说难不难，说简单也不简单。关键是要理解每个角度背后的物理意义，以及它们对感知系统的影响。下一章咱们聊毫米波雷达的标定，那个又是另一番天地了。