标定核心前提：两大传感器的坐标系与参数基础

在自动驾驶感知系统中，激光雷达（LiDAR）与相机是互补性极强的核心传感器：LiDAR能输出高精度三维点云，精准获取障碍物距离、尺寸与空间位置，却缺乏纹理色彩信息；相机可捕捉丰富的环境纹理、颜色与语义特征，却难以直接获取深度。二者融合是实现鲁棒环境感知的关键，而“LiDAR-相机联合标定”正是打通数据壁垒、实现空间精准对齐的前提——只有建立起LiDAR点云坐标系与相机像素坐标系的精确映射关系，才能让点云数据“附着”在图像上，让图像语义“落地”到三维空间，为目标检测、路径规划、决策控制提供可靠的多源数据支撑。

本文聚焦自动驾驶场景，从核心原理、坐标系关系、标定方法、实操流程、精度验证五大维度，全面拆解LiDAR-相机联合标定的底层逻辑与工程实践，侧重落地细节与避坑指南，帮助从业者快速掌握标定核心技能。

联合标定的本质是求解“空间变换关系”，而理解两者的坐标系定义与固有参数，是读懂标定逻辑的开始。

关键坐标系：三维空间到二维像素的传递链路

标定过程涉及四个核心坐标系，它们层层传递，完成从LiDAR三维点到相机二维像素的映射：

LiDAR坐标系：原点位于激光雷达几何中心，通常定义为X轴向前（车辆行驶方向）、Y轴向左、Z轴向上，是点云数据的原生坐标系，每个点云都自带该坐标系下的三维坐标。

相机坐标系：原点位于相机镜头光心，Z轴沿光轴向前（指向拍摄场景）、X轴向右、Y轴向下，是连接三维空间与二维图像的中间桥梁。

图像物理坐标系：位于相机成像平面，原点在图像中心，单位为毫米，记录光线投射后的物理位置。

像素坐标系：原点在图像左上角，单位为像素，是我们看到的图像坐标，也是感知算法的直接输入。

联合标定的核心任务，就是找到LiDAR坐标系到相机坐标系的刚性变换关系（旋转+平移），再结合相机自身的内参，完成点云到像素的完整投影。

两类核心参数：内参打底，外参对齐

标定参数分为内参和外参，二者分工明确、缺一不可：

相机内参：相机自身的固有属性，包括焦距、主点坐标、畸变系数，由相机传感器和镜头决定，出厂后固定（变焦相机除外）。内参负责将相机坐标系的三维点，投影为像素坐标系的二维点，联合标定前需要单独完成相机内参标定，否则会直接导致投影偏差。