一、标定基础与坐标系
各位同行，今天咱们聊聊多传感器融合里最基础、也最绕不开的话题——坐标系。说实话，我见过太多项目在标定环节翻车，十有八九都是坐标系没搞明白。我自己刚入行那会儿，也在这上面栽过跟头。
1.1 传感器标定的核心概念
标定是什么？说白了，就是给传感器「对表」。你想想看，车上有摄像头、激光雷达、IMU，每个传感器都有自己的「视角」和「语言」。摄像头看到的是像素，激光雷达看到的是点云，IMU感受到的是加速度和角速度。它们各自为政，怎么协同工作？
标定要解决两个问题：
- 内参标定：搞清楚传感器自己内部的参数。比如相机的焦距、畸变系数，IMU的零偏、尺度因子。
- 外参标定：搞清楚传感器之间的相对位置和姿态。比如激光雷达装在车顶哪个位置，相机朝哪个方向。
核心思想：标定的本质是求解一个变换矩阵，把不同传感器的数据统一到同一个坐标系下。
我习惯把标定比作「翻译」。每个传感器都在说自己的方言，标定就是那个翻译官，让它们能互相听懂。
1.2 世界坐标系
世界坐标系，也叫全局坐标系。它是我们描述物体位置的「绝对参考系」。在自动驾驶里，通常用东北天坐标系（ENU）或者地心地固坐标系（ECEF）。
举个例子：你站在天安门广场，你的经纬度坐标就是世界坐标系下的位置。车上的GPS给出的就是世界坐标。
为什么要用世界坐标系？因为它是所有传感器数据的「最终归宿」。激光雷达扫描到的障碍物，最终要映射到世界坐标系下，才能知道它在真实世界中的位置。
我的经验：在室外场景，我建议用ENU坐标系。它直观，而且计算方便。室内场景则常用自定义的直角坐标系，比如以房间某个角落为原点。
1.3 相机坐标系
相机坐标系，是以相机光心为原点，Z轴指向镜头前方（或者后方，取决于具体定义）。
这里有个容易混淆的点：相机坐标系和图像坐标系不一样。图像坐标系是二维的，单位是像素。相机坐标系是三维的，单位是米（或毫米）。
我记得有一次，团队里新来的同事把相机坐标系和图像坐标系搞混了，结果投影出来的点全偏了。排查了半天才发现是坐标系定义的问题。
相机坐标系到图像坐标系的转换，靠的是内参矩阵：
// 内参矩阵 K
// fx, fy 是焦距，cx, cy 是主点偏移
K = [[fx, 0, cx],
[ 0, fy, cy],
[ 0, 0, 1]]
// 3D点 (X, Y, Z) 投影到像素 (u, v)
// u = fx * X / Z + cx
// v = fy * Y / Z + cy注意：不同相机厂商的坐标系定义可能不同。有的把Z轴朝前，有的朝后。标定前一定要确认清楚。
1.4 IMU坐标系
IMU（惯性测量单元）坐标系，通常以IMU芯片的中心为原点。它的三个轴：X轴朝前，Y轴朝左，Z轴朝上（右手系）。
IMU输出的是加速度和角速度。但注意，这些数据是在IMU自身坐标系下的。如果你要把它转换到车体坐标系，就需要知道IMU的安装角度。
我曾经在一个项目中，IMU装歪了2度。结果车辆直线行驶时，IMU测出的角速度一直有微小偏差。积分出来的姿态误差越来越大，最后定位完全跑偏。嗯，这就是标定不仔细的代价。
IMU坐标系和车体坐标系的关系，通常用欧拉角表示：
// 欧拉角 (roll, pitch, yaw)
// roll: 绕X轴旋转（侧倾）
// pitch: 绕Y轴旋转（俯仰）
// yaw: 绕Z轴旋转（航向）
// 旋转矩阵 R = Rz(yaw) * Ry(pitch) * Rx(roll)1.5 激光雷达坐标系
激光雷达坐标系，以激光雷达的旋转中心为原点。通常Z轴朝上，X轴朝前。
激光雷达输出的点云，每个点包含 (x, y, z) 坐标，单位是米。这些坐标就是在激光雷达坐标系下的。
不同品牌的激光雷达，坐标系定义可能略有差异。比如Velodyne和Hesai的坐标系就不完全一样。标定前一定要看数据手册。
避坑指南：我曾经遇到过激光雷达的坐标系定义和官方文档不一致的情况。后来发现是固件版本不同导致的。所以，拿到传感器后，先打印几个点的坐标，手动验证一下坐标系方向。
1.6 刚体变换与欧拉角
刚体变换，就是旋转+平移。它描述了一个刚体（比如传感器）在空间中的位置和姿态变化。
数学上，刚体变换用4x4的齐次变换矩阵表示：
// 齐次变换矩阵 T
// R 是 3x3 旋转矩阵，t 是 3x1 平移向量
T = [[R, t],
[0, 1]]
// 点 P 从坐标系A变换到坐标系B
// P_b = T_ab * P_a欧拉角是描述旋转的一种方式。它把旋转分解为绕三个轴的依次旋转。常见的顺序有：ZYX、XYZ等。
我个人习惯用ZYX顺序（先绕Z轴转yaw，再绕Y轴转pitch，最后绕X轴转roll）。这个顺序在自动驾驶里最常用。
但欧拉角有个问题：万向锁。当pitch接近±90度时，yaw和roll会失去一个自由度。这时候用四元数更稳定。
总结一下：刚体变换是标定的数学基础。欧拉角直观但有限制，四元数稳定但不够直观。实际项目中，我通常用欧拉角做可视化调试，用四元数做内部计算。
1.7 坐标系转换实战
说了这么多理论，咱们来点实际的。假设你有一个激光雷达点云，要投影到相机图像上。怎么做？
- 把点从激光雷达坐标系转换到车体坐标系（用外参T_lidar_to_vehicle）
- 把点从车体坐标系转换到相机坐标系（用外参T_vehicle_to_camera）
- 把点从相机坐标系投影到图像平面（用内参K）
// 伪代码
function project_lidar_to_image(point_lidar, T_lidar_to_vehicle, T_vehicle_to_camera, K):
// 1. 转换到车体坐标系
point_vehicle = T_lidar_to_vehicle * point_lidar
// 2. 转换到相机坐标系
point_camera = T_vehicle_to_camera * point_vehicle
// 3. 投影到图像
u = K.fx * point_camera.x / point_camera.z + K.cx
v = K.fy * point_camera.y / point_camera.z + K.cy
return (u, v)你看，整个流程就是一连串的坐标系变换。每一步都依赖准确的标定参数。任何一个环节出错，投影结果都会偏。
重要提醒：坐标系变换的顺序不能搞反。先旋转后平移，还是先平移后旋转？答案是：先旋转，后平移。因为旋转是绕原点转的，平移后再旋转，结果就不对了。
好了，这一章的内容就到这里。坐标系是标定的基石，一定要吃透。下一章咱们聊聊具体的标定方法和工具。
我的建议：初学者可以先在纸上画坐标系，手动推导一遍变换过程。别嫌麻烦，这一步做好了，后面会省很多事。