超级会员免费看
作品声明：个人观点、仅供参考
在自动驾驶的感知世界里，"位置" 是一切决策的基础 —— 无论是判断前方车辆的距离、识别车道线的偏移，还是规划避障路径，都需要将传感器采集的原始数据转化为统一坐标系下的精准坐标。作为地平线最新一代前视感知方案，Horizon Mono3.0 通过一套精密的坐标系体系，为自动驾驶的 "环境建模" 提供了关键的 "数字地图"。本文将深度拆解 Mono3.0 的坐标系设计逻辑，揭示其如何通过坐标系转换实现从图像像素到三维空间的精准映射。
一、为什么说坐标系是前视感知的 "底层基建"？
前视感知的核心任务是通过单目摄像头获取的二维图像，重建车辆周围的三维环境。这一过程中，最大的挑战是如何将二维像素点与三维空间点一一对应。而坐标系正是解决这一问题的 "翻译官"—— 它定义了不同空间的原点、轴方向和度量单位，通过数学变换将图像中的 "虚拟坐标" 转化为真实世界的 "物理坐标"。
Horizon Mono3.0 的前视感知数据模型中，涉及的核心坐标系包括：
- 车辆坐标系（Vehicle Coordinate System, VCS）：以车辆自身为原点的局部坐标系，是自动驾驶决策的 "本地原点"；
- 图像坐标系：分为像素坐标系（离散的图像像素位置）和物理坐标系（连续的图像平面坐标），是摄像头原始数据的 "出生地"；
- 相机标定坐标系（Camera Calibration Coordinate System, CCS）：存储摄像头内外参数的中间坐标系，是坐标系转换的 "校准基准"；
- 世界坐标系：全局固定的绝对坐标系（如 UTM 坐标系），用于多车协同或全局定位。
这四者构成了 Mono3.0 前视感知的 "坐标系金字塔"，每一层的转换都直接影响感知结果的精度。
二、从像素到车辆：Mono3.0 坐标系的逐层解密
2.1 车辆坐标系（VCS）：自动驾驶的 "决策原点"
Mono3.0 的车辆坐标系（VCS）以车辆后轴中心在地面的投影为原点（Ov），定义如下：
- X 轴：指向车辆前进方向（前方为正），是纵向距离的度量基准；
- Y 轴：指向车辆左侧（左侧为正），用于横向位置的判断；
- Z 轴：垂直地面向上（上方为正），控制高度信息的感知。
这一设计的核心考量是 "以车为中心" 的决策逻辑 —— 自动驾驶的路径规划、碰撞检测等功能，均需要障碍物、车道线等目标相对于车辆的位置（如 "前方 10 米左侧 2 米处有行人"）。VCS 的原点选择后轴中心，避免了因车辆上下颠簸导致的原点偏移，提升了动态场景下的稳定性。
2.2 图像坐标系：从离散像素到连续物理空间的桥梁
前视摄像头输出的原始数据是二维图像，其坐标分为两个层级：
（1）图像像素坐标系（u-v 系）
以图像左上角为原点（Ou），u 轴向右（横向像素列号），v 轴向下（纵向像素行号）。例如，一张 1920×1080 的图像中，右下角像素的坐标为 (u=1919, v=1079)。
像素坐标系的特点是 "离散"—— 每个点对应一个具体的像素，单位是像素（px）。但由于像素是物理传感器上的离散单元，直接使用像素坐标无法反映真实的物理尺寸（如 1 个像素可能对应 1μm 的传感器尺寸），因此需要转换到物理坐标系。
（2）图像物理坐标系（x-y 系）
以图像中心为原点（Ox），x 轴向右（与 u 轴同向），y 轴向下（与 v 轴同向）。其单位是毫米（mm）或米（m），直接对应摄像头传感器的物理尺寸。
从像素坐标系到物理坐标系的转换公式为：\begin{cases} x = (u - u_0) \times p_x \\ y = (v - v_0) \times p_y \end{cases}
其中，u_0, v_0是图像中心点的像素坐标（通常为图像宽高的一半），p_x, p_y是单个像素的物理尺寸（如 5μm/px）。
这一转换的意义在于将 "离散的像素点" 转化为 "连续的物理点"，为后续的三维重建提供物理尺度依据。
2.3 相机标定坐标系（CCS）：连接图像与三维空间的 "校准枢纽"
相机标定坐标系（CCS）的原点（Oc）位于摄像头的光心（即镜头的光学中心），z 轴指向摄像头的光轴方向（与拍摄方向一致），x、y 轴与图像物理坐标系的 x、y 轴平行。
通过摄像头的内参矩阵（Intrinsic Matrix），可以将图像物理坐标系的 (x, y) 点投影到 CCS 的 (xc, yc, zc) 点。内参矩阵的标准形式为：K = \begin{bmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix}
其中，f_x = f/p_x、f_y = f/p_y（f 为摄像头焦距），c_x, c_y是图像中心点的物理坐标（通常为 0，因物理坐标系原点在图像中心）。
这一转换的本质是 "逆投影"：已知图像上的一个点，结合摄像头的焦距和像素尺寸，计算其在相机坐标系中的位置（需假设 z 轴深度，这也是单目 3D 感知需要解决的核心问题）。
2.4 车辆坐标系（VCS）与相机坐标系（CCS）的对齐
为了将相机坐标系中的三维点映射到车辆坐标系，Mono3.0 引入了外参矩阵（Extrinsic Matrix），包含旋转矩阵（R）和平移向量（T）：\begin{bmatrix} X_v \\ Y_v \\ Z_v \end{bmatrix} = R \times \begin{bmatrix} X_c \\ Y_c \\ Z_c \end{bmatrix} + T
其中，R 描述摄像头相对于车辆的旋转角度（如俯仰角、偏航角），T 描述摄像头光心到车辆原点的平移距离（如前视摄像头通常安装在 windshield 后方，T 的 X 分量为 1.5 米，Y=0，Z=1.2 米）。
外参的标定精度直接影响感知结果的准确性。Mono3.0 采用了在线动态校准技术，通过实时采集车道线、路沿等结构化道路特征，对 R 和 T 进行微调（如车辆载重变化导致摄像头高度变化时），确保长期使用中的坐标对齐精度。
三、工程实践：Mono3.0 如何用坐标系实现精准感知？
以 "前方车辆检测" 为例，Mono3.0 的坐标系转换流程如下：
- 像素坐标→物理坐标：摄像头采集到前方车辆的像素坐标 (u=800, v=600)，通过像素尺寸（如 5μm/px）和图像中心坐标（u0=960, v0=540），计算得到物理坐标 (x=(800-960)×5e-6=-8e-4m, y=(600-540)×5e-6=3e-4m)；
- 物理坐标→相机坐标：结合内参矩阵（f=25mm），计算相机坐标系下的点：假设车辆在光轴上（zc=10m），则 xc = x×(zc/f) = (-8e-4m)×(10m/0.025m) = -0.32m，yc = y×(zc/f) = 0.12m，zc=10m；
- 相机坐标→车辆坐标：通过外参矩阵（假设 R 为单位矩阵，T=(1.5m, 0, 1.2m)），计算车辆坐标系下的点：Xv=xc+1.5=1.18m，Yv=yc+0=0.12m，Zv=zc+1.2=11.2m；
- 输出结果：前方车辆位于车辆坐标系下 (X=1.18m, Y=0.12m, Z=11.2m)，即 "车辆右前方 11.2 米处，横向偏移 0.12 米"。
这一过程中，任何一步的坐标转换误差都会放大感知结果的偏差。例如，外参 T 的 Z 分量误差 0.1m，会导致 zc=10m 时的 Xv 误差 0.1m×(10m/0.025m)=40m（因 xc = x×(zc/f)）。因此，Mono3.0 通过以下技术优化精度：
- 多特征联合标定：同时利用棋盘格、车道线、交通标志等特征，提升外参标定的鲁棒性；
- 动态误差补偿：通过 IMU（惯性测量单元）实时监测车辆姿态，补偿因颠簸导致的旋转矩阵 R 的临时变化；
- 深度学习辅助：引入 CNN 网络直接预测目标的深度（z 轴坐标），减少对传统几何转换的依赖（传统方法误差约 10%，Mono3.0 通过学习可降至 5% 以内）。
四、坐标系设计的未来：从局部到全局的智能融合
随着自动驾驶向 L4 级演进，Mono3.0 的坐标系体系正朝着 "全局化"" 动态化 " 方向升级：
- 多传感器坐标系对齐：前视摄像头与激光雷达、毫米波雷达的坐标系需严格统一，Mono3.0 通过时间同步（硬件触发）和空间校准（联合标定），实现多传感器数据在同一 VCS 下的融合；
- 世界坐标系映射：结合 GNSS/IMU 定位模块，将车辆坐标系（VCS）实时映射到世界坐标系，支持车路协同（如接收路侧单元的全局障碍物坐标）；
- 动态场景适配：针对自动驾驶中的特殊场景（如车辆转向、上下坡），Mono3.0 引入 "动态坐标系变换"，根据车辆的实时姿态（俯仰角、侧倾角）调整 VCS 的轴方向，确保感知结果的一致性。
结语：坐标系是自动驾驶的 "数字地基"
在 Horizon Mono3.0 的前视感知系统中，坐标系不仅是一组数学定义，更是连接传感器数据与自动驾驶决策的 "数字地基"。从像素到物理空间，从相机到车辆，每一次坐标系转换都承载着环境信息的精准传递。随着自动驾驶技术的深化，坐标系设计将不再局限于几何变换，而是与深度学习、多传感器融合等技术深度融合，成为构建 "全场景、全精度" 感知能力的核心竞争力。
对于开发者而言，理解 Mono3.0 的坐标系体系，不仅能更高效地调试感知算法，更能把握自动驾驶技术演进的底层逻辑 —— 毕竟，只有 "位置" 准了，决策才能更聪明。
扫一扫
244
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
