无人小车的标定是自动驾驶和机器人技术中至关重要的一步。简单来说，标定就是建立无人车各个传感器之间、以及传感器与小车车体坐标系之间的几何数学关系。如果标定不准，小车就会“看歪”或者“走偏”，导致导航失败甚至发生碰撞。

无人小车的标定主要分为三大类：传感器内参标定、传感器外参标定（联合标定），以及底盘/运动学标定。

1、传感器内参标定

内参标定解决的是传感器自身准不准的问题，通常在出厂或安装前独立完成。

①相机内参标定的目的：获取相机的焦距、主点以及畸变参数（消除鱼眼或普通镜头的桶形、枕形畸变）。

常用方法： 张正友标定法（使用黑白棋盘格或圆点标定板，从不同角度拍摄多张照片）。

②IMU（惯导）内参标定的目的：确定加速度计和陀螺仪的零偏（Bias）、标度因数以及噪声。

常用方法： 静态艾伦方差分析、多位置旋转测试。

2、传感器外参标定

外参标定解决的是传感器之间、以及传感器与车体的位置关系（空间相对旋转矩 R 和平移向量 T），这是多传感器融合的基础。

①相机与激光雷达

 目的： 把激光雷达的 3D 点云与相机的 2D 图像像素对齐，实现“给点云上色”或“让图像有深度”。

 方法：有靶标标定： 在场景中放置标定板，同时提取图像中的棋盘格角点和点云中的边缘平面，通过优化算法求解外参。

无靶标（在线）标定： 利用自然环境中的边缘、建筑线条，匹配图像梯度与点云强度的边缘。

② 激光雷达与惯导/车体

 目的： 将激光雷达测得的数据转换到小车中心（通常是后轴中心或IMU中心），确保建图和定位不飘移。

 方法： 小车在地平线或特定场地内做“8”字形绕圈运动、直线行驶或原地旋转。通过匹配点云特征与 IMU 的积分轨迹，计算出相对位姿。

③ 多激光雷达标定

 目的： 当小车有多个激光雷达（如一个主雷达+两个补盲雷达）时，将它们的点云拼接成一个完整的 360° 视角。

 方法： 提取重叠区域中的共同特征（如地面、墙面），使用 ICP（迭代最近点）算法进行配准。

3、底盘与运动学标定

底盘标定解决的是执行机构和轮速计准不准的问题，防止小车“以为自己走了一米，实际只走了半米”。

 轮径与轮距标定： 标定两驱动轮的实际有效半径 r 和两侧轮子的实际间距 W。

 里程计与 IMU/激光外参

方法：让小车直行一段距离，或原地旋转 360°，对比轮速计记录的数据与激光雷达/惯导测得的绝对位移和角度，修正轮速计的比例因子。

4.、常见的开源标定工具链

在实际开发中，一般不需要从零写算法，行业内有大量成熟的开源工具：

 5、 标定实施小贴士

刚性固定： 传感器安装必须绝对刚性，小车行驶中的微小震动如果导致传感器移位，标定就会失效。

先内后外： 必须先确保单个传感器的内参准确，才能进行传感器之间的外参联合标定。

环境选择： 静态标定尽量选择光照均匀、几何特征丰富（有墙、有柱子）的室内或闭合场地；动态标定需要 GNSS（GPS）信号良好且无太多动态干扰（如行人、过往车辆）的环境。