相机标定外参“相对于谁”？一文讲透三种坐标系含义

做机器视觉的工程师，几乎都要过“相机标定”这一关。单目标定、双目标定、手眼标定，这些词在实际项目里反复出现，很多人也跟着网上的教程跑通了整个流程，但真正被问到“外参里的旋转R和平移t，到底相对于谁”的时候，往往会卡壳。更常见的是这种情况：明明用OpenCV标定拿到了rvec和tvec，可是换个标定板位置，结果就变了，有人却说外参应该是固定不变的；还有人在多相机系统里，把两台相机各自标定出来的R/t拼到一起，怎么都对不上。

这些困惑的根源，都在于“外参”这个词没有说清楚“相对于哪个坐标系”。同样是[R|t]，参考世界坐标系是一种理解，参考另一台相机或传感器是第二种理解，参考标定板坐标系是第三种理解。三种参考坐标，对应三种外参含义，数值、方向、用途完全不一样。这篇文章就把这个“相对于谁”的问题彻底讲透，顺便把坐标变换矩阵的正反方向、单位换算这些最容易出错的地方一起理清。适合正在做单目视觉测量、双目立体视觉、机械臂手眼标定，或者任何需要在系统里使用相机位姿的人。

1. 想清楚外参，先理顺“谁在谁里面”

1.1 外参的本质：一个带方向的坐标变换

外参的数学形式通常写成旋转矩阵R和平移向量t，组合起来是一个4x4的齐次变换矩阵T：

T = [ R t ] [ 0 1 ]

它的作用是，把同一个三维点在一个坐标系中的坐标，换算到另一个坐标系中的坐标。比如世界坐标系里的点P_w，映射到相机坐标系里就是：

P_c = R * P_w + t

这个公式看着简单，但里面藏着两个容易搞混的语义。第一，t是世界坐标系原点在相机坐标系中的坐标，不是相机原点在世界坐标系中的坐标。第二，R的列向量是世界坐标系的三个坐标轴在相机坐标系中的方向表示。换句话说，矩阵[R|t]描述的是“世界坐标系怎样摆放、放在哪里，才能在相机坐标系里被看到”。

反过来的变换同样常用。如果想把相机坐标系下的点换算回世界坐标系，直接用逆矩阵：

T_w_c = inv(T_c_w) = [ R^T -R^T * t ] [ 0 1 ]

也就是说：

P_w = R^T * P_c - R^T * t

这里的-R^T * t才是相机原点在世界坐标系中的坐标。这也是为什么有人说外参的平移是相机的坐标，有人说平移是世界原点的坐标——两个人说的其实是同一个矩阵的正反两个方向。

1.2 同一组R和t，为什么会有两种完全相反的读法

同一个变换矩阵，可以有两种读法。第一种叫坐标变换读法：点从A坐标系变换到B坐标系；第二种叫位姿读法：A坐标系在B坐标系中处于什么位置、什么朝向。两种读法写的公式方向相反，数值上互为逆矩阵。

打个比方，你在商场问路，保安说“电梯在你前方20米，右转5米就到了”，这是在描述电梯相对于你的位姿；如果换成“从电梯的位置来看，你朝那个方向走”，那就是反过来的坐标变换。外参也一样，如果文档写“外参是相机在世界坐标系中的位姿”，它给你的矩阵是T_w_c；如果文档写“外参把世界坐标变换到相机坐标”，那它是T_c_w。两者差一个逆变换。

实操中我有个习惯：永远不把R和t单独命名，而是封装成一个T_source_target矩阵，一眼就能看出“从哪个坐标到哪个坐标”。光是这一点，就能规避掉大量方向打反的bug。正式写代码时，应该刻意用类似T_board_cam这种变量名，而不是Tvec这种看起来很有道理、实际没方向的裸变量。

2. 第一种外参：以世界坐标系为参考

2.1 什么是“世界坐标系外参”

世界坐标系外参，是把相机坐标系和一个全局固定的世界坐标系关联起来的变换。这个外参描述的是：相机在世界里的位置和朝向。典型场景包括：自动驾驶里相机在车体坐标系中的安装位姿、工业检测中相机相对于测量平台坐标系的位姿、机器人视觉中相机相对于机械臂基座的位姿。

这类外参的特点是一个“全局位姿”。在ROS这类框架里，对应的就是TF树中从base_link到camera_link的坐标变换，是一棵树里两个固定节点之间的关系。只要相机的安装位置和方向没有动过，这个外参就是固定的；相机被撞了一下、支架松了，外参就必须重新标定。

获取方式通常有三种：

• 第一种，知道足够多的控制点在真实世界坐标系中的三维坐标，同时能在图像里找到这些点，直接用PnP求解；
• 第二种，用外部测量设备直接测出相机的物理位置和朝向；
• 第三种，通过标定板做一个中间转换，先求标定板相对相机的位姿，再把标定板放到已知世界坐标的位置，合成最终外参。

第三种方式最灵活，也是后面要重点展开的路径。

2.2 标定世界坐标系外参时的常见误区

这里最常见的误区，是直接把某个标定板图像的外参拿过来当世界坐标系外参用。实际项目中，标定板只是标定的工具，当标定完成、系统投入使用后，标定板早就拿走了。如果外参里的参考坐标是那块临时摆的标定板，显然没法用于正式测量。

正确的做法是先定义清楚“世界坐标系的原点和三个轴放在哪”。比如某检测项目的世界坐标系原点取在测量台面的左上角，X轴沿台面向右，Y轴沿台面向内，Z轴竖直向上。定义好之后，把标定板平放在台面上，或者把标定板固定在台面一角，让标定板坐标系与世界坐标系之间有一个已知的固定变换T_w_board。此时任意时刻的相机相对世界坐标系的外参就是：

T_w_cam = T_w_board * T_board_cam

这个合成公式会在第5章详细展开。另外，单位问题也在这里爆发。标定板的角点坐标如果按毫米输入，solvePnP输出的tvec就是毫米；如果某段代码里标定板坐标用了米，输出tvec也随之变成米。同一个系统里两套单位混用，外参拼出来往往差三个数量级，特征非常明显：本该是几十毫米的平移量，变成了零点零几。

世界坐标系的定义还有一条建议：尽量和系统的主要结构对齐。比如测量台面是长方形的，原点就放在台面一角，轴和边平行；机器人系统里，尽量和机器人基座坐标系平行。这样后期调试、排查异常时，人脑可以直接想象坐标方向，而不是每次都拿着矩阵算半天才能猜到相机偏向哪边。

3. 第二种外参：以另一台相机/传感器为参考

3.1 双目视觉里的相对外参

第二种最常见的外参参考坐标，是另一台相机或传感器。双目相机标定时，stereoCalibrate返回的R和T，通常表示两个相机坐标系之间的相对位姿。典型约定是：把左相机坐标系中的点，通过：

P_right = R * P_left + t

变换到右相机坐标系。也就是说，这个R和t描述的是“右相机相对于左相机的位置和朝向”，参考坐标是左相机。

真正用的时候，我一般不看文档里的文字，而是做一个极简单的物理验证：把棋盘格放在左右相机都能看到的公共区域，分别用solvePnP求出标定板相对左相机的位姿和相对右相机的位姿，再拼出相对外参，和stereoCalibrate的结果对比。如果符号对不上，说明方向约定反了，调整矩阵逆转换即可。这种用“同一块板做中间代理”的验证方法，能覆盖绝大多数方向问题，比背文档可靠得多。

双目标定之后，还会用重投影误差来评估精度：把标定板角点的三维坐标通过外参和内参投影到右相机图像上，和实际检测到的角点像素位置做差。误差通常应该在0.1到0.3个像素之间。如果重投影误差大了，先别急着怪外参，八成是内参或者畸变参数本身还有问题。

3.2 手眼标定中的“相对外参”

手眼标定也属于这一类，只是参考对象变成了机械臂末端或机械臂基座。Eye-in-Hand构型下，相机固定在机械臂末端，标定的外参X描述的是相机坐标系与末端坐标系之间的相对位姿；Eye-to-Hand构型下，相机固定在工作空间外，标定的外参X描述的是相机坐标系与机械臂基座坐标系之间的相对位姿。

手眼标定的核心方程是AX=XB，其中A来自机械臂自身的运动学数据，B来自标定板检测数据，X就是我们要找的外参。这里有一个非常大的坑：不同库对X的方向定义不同。OpenCV的calibrateHandEye输出的是cam2gripper，也就是从相机坐标系到末端坐标系的变换；而不少论文和开源代码里用的X是gripper2cam，也就是末端坐标系到相机坐标系的变换，恰好是前者的逆矩阵。如果不去确认方向，标定结果看起来误差很小，但真正换算抓取点位时，偏差会放大好几倍。

多传感器融合项目里，这个“以另一台传感器为参考”的外参同样常见。比如RGB相机和深度相机之间、激光雷达和相机之间，都需要标定一个相对变换矩阵，把传感器坐标系下的点云映射到主传感器坐标系里做数据对齐。这类外参统称为“相对外参”，本质上是两套坐标系的刚体变换。

4. 第三种外参：以标定板坐标系为参考

4.1 标定板坐标系是怎么来的

第三种外参的参考坐标，是标定板坐标系本身。在OpenCV的calibrateCamera里，我们构造一组objectPoints，通常把棋盘格左上角的角点设为原点，X轴沿棋盘格往右，Y轴沿棋盘格往下，Z轴垂直于棋盘格平面，所有角点的Z坐标都是0。这组objectPoints本身就是一个世界坐标系，只不过它的原点固定在标定板上。

每拍一张标定板图像，函数就会返回一组rvec和tvec，这组参数描述的就是这一帧图像里，标定板坐标系相对于相机坐标系的位姿。这块板向左挪了一下，tvec就跟着变；板转了个角度，rvec的旋转向量也变了。因为标定板在标定过程中通常都要移动来覆盖不同视角，所以多帧图像对应多组不同的外参，本身就很正常。

张正友标定法里，每帧标定板外参还是解算单应矩阵的核心。棋盘格平面上的点Z=0，单应矩阵H可以写成：

H = K * [r1 r2 t]

对每一帧图像解出单应矩阵H之后，才能进一步分解出内参K和外参的r1、r2、t。所以标定板外参不是“副产品”，而是内参标定算法中绕不开的中间量。

4.2 为什么标定板外参总被误当成“固定外参”

我在不少项目里见过这类问题：用calibrateCamera标定完，直接拿第一组rvec/tvec当成相机固定外参，写进上位机就开始做定位。等到相机角度被人动一下、或者换了一块更大的标定板，系统就完全乱了。原因就是：第一组rvec/tvec的参考坐标是标定板，而标定板不在系统坐标系里，它不是那个“固定的世界坐标系”。

还有一个常见的混淆场景：用solvePnP做单帧位姿估计，比如给一块ArUco码拍照，得到marker相对相机的位置姿态，很多人也管这个叫“外参”。这个说法没错，但它是第三种外参，只在当前这一帧、当前这个板的位置上成立。只要板子一挪动，这个外参就要重新算。理解到这一层，很多坐标系混乱的代码就能理顺了。

那标定板外参有没有用呢？当然有。它是最重要的中间量：内参标定的每一帧都要用到标定板外参来做单应矩阵分解；双目相对外参可以通过两块板外参拼接；系统世界外参也可以通过标定板外参合成。它的角色是“桥梁”，而不是“终点”。

5. 三种外参的对比与互相换算

5.1 一张表看懂三者的区别

从这张表可以看出来，所谓的“外参”，本身并没有默认指向某一类。当你和外参打交道，第一件事永远是问自己：这个外参相对哪个坐标系？这个问题想清楚，后面怎么用都不会乱。

5.2 外参合成：如何从标定板外参推出其他外参

三种外参之间不是孤立的，它们可以通过矩阵乘法互相转换。最常用的一个公式是：如果标定板在世界坐标系中的位姿T_w_board已知，而某一帧标定板相对相机的位姿T_board_cam已经通过solvePnP求出，那么相机相对世界坐标系的外参就是：

T_w_cam = T_w_board * T_board_cam

这个公式的实际意义很大。比如某项目里，标定板固定放置在检测平台的某个精确位置上，世界坐标系定义在平台上。只要做一次solvePnP，就相当于完成了一次外参标定，而且之后相机实时观测同一块板时，还能持续估计相机相对世界坐标系的位姿变化。这在相机安装在运动平台的场景里尤其好用。

同理，两台相机同时观测同一块标定板时，通过中间板坐标做桥梁，可以得到两台相机之间的相对外参：

T_camA_camB = T_board_camB * inv(T_board_camA)

也就是说，把点从相机A坐标系变换到相机B坐标系，需要先把点从相机A坐标变换回标定板坐标系，再通过标定板坐标系变换到相机B坐标系。这个拼接公式正是第6章代码验证环节的核心。

6. 实操：用代码验证三种外参

6.1 用solvePnP获取标定板外参

有了前面这些概念，代码环节反而简单。下面这段Python演示的是最标准的用法：已知相机内参，输入标定板坐标系下的三维角点坐标和当前图像里的像素角点坐标，求解标定板相对相机的位姿。

import cv2 import numpy as np # 棋盘格尺寸：内角点9x6，方格边长30mm pattern_size = (9, 6) square_size = 30.0 # 标定板坐标系下的三维点，Z全部为0 obj_pts = np.zeros((pattern_size[0] * pattern_size[1], 3), dtype=np.float32) obj_pts[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2) obj_pts *= square_size # img_points 是这一帧图里检测到的角点像素坐标 # K 和 dist 是已经标定好的相机内参和畸变系数 retval, rvec, tvec = cv2.solvePnP(obj_pts, img_points, K, dist) # 旋转向量转旋转矩阵，并组装成齐次变换矩阵 R_board_cam = cv2.Rodrigues(rvec)[0] T_board_cam = np.eye(4) T_board_cam[:3, :3] = R_board_cam T_board_cam[:3, 3] = tvec.flatten()

这里的变量名是经过提醒的：T_board_cam表示从标定板坐标系到相机坐标系的变换。代码里如果出现裸的rvec和tvec，长期维护时很容易搞混，我习惯在这个位置直接封装成带方向的矩阵变量。

求解之后，可以用一个直观的物理规律自检：如果标定板摆在相机正前方，那么tvec的Z分量应该是正的，数值大约等于板到相机的距离（按毫米计）。如果Z分量是负的，说明方向约定理解错了，或者输入的物点顺序反了。

6.2 拼接两台相机的相对外参

现在模拟双目场景。左右两台相机同步拍摄同一块标定板，各自调用solvePnP，得到T_board_camL和T_board_camR。通过中间板做桥梁：

# 相机L和相机R分别求得的标定板外参 T_board_camL = ... T_board_camR = ... # 从相机L坐标系变换到相机R坐标系的相对外参 T_camL_camR = T_board_camR @ np.linalg.inv(T_board_camL)

这行代码的背后逻辑很清楚：先把点从相机L坐标系逆变换回标定板坐标系，再用标定板坐标系变换到相机R坐标系。得到的结果理论上应该与stereoCalibrate返回的相对变换一致。

务必记住一点：如果stereoCalibrate文档里的约定是“右相机在左相机坐标系中的位姿”，而你的T_camL_camR是从L到R的坐标变换，那两者在矩阵数值上是同一个东西。如果写反了，结果就差一个逆矩阵。实际比对时，可以用一组左右相机同步采集的真实数据，分别求出T_camL_camR和stereoCalibrate的结果，再算一下两者之间的差值矩阵是否接近单位阵，就能快速确认方向有没有弄反。

6.3 一个低成本但好用的方向验证技巧

多相机系统标定完之后，我总会做一个最简单的现场验证：在公共视野里放一个形状尖锐的物件，比如一个锥桶尖点，先在左相机图像上点击该点的像素坐标，再通过外参转换计算它在右相机图像中应该出现的像素位置，最后和右相机图像里实际看到的点对比。如果误差只有几个像素，外参方向和数值基本可信；如果出现几十上百像素的偏差，通常不是标定精度问题，而是方向反了或者平移方向错了。

这个验证方法不需要任何额外标定板，也不需要复杂的数学，实际上就是一个小工具函数的事，但能非常快地把方向类错误拦截在项目早期。很多做视觉做了多年的师傅，依然在使用这套“像素点对点验证”来判断外参对不对，因为它直接基于最终使用场景，绕过了中间所有可能出错的环节。

7. 常见问题与避坑清单

7.1 高频问题速查表

7.2 标定完成后，别忘了做“物理验算”

标定数据本身看起来再漂亮，都不如一次现场物理验算来得实在。我习惯在标定结束后做三件事：

• 第一，拍一张棋盘格，把标定板外参的tvec数值和实际尺子量出来的距离对照；
• 第二，如果有多相机，用上面的像素点对点验证方法检查各相机之间的外参方向；
• 第三，在系统进入正式工作前，用几组不参与标定的新图像做一次完整的坐标转换链路测试，确保从图像坐标到物理坐标的输出稳定可靠。

这三件事加起来用不了半小时，但确实能挡住绝大部分坐标系类错误。经历过几次“标定完看着挺好、一上产线全崩”的教训之后，我现在宁可多花这半小时，也不愿意后期在真实产线上排查坐标系问题。

最后说一点个人体会。相机标定这个领域，工具链已经很成熟，OpenCV和各种标定库都提供了一键式接口，真正难的不是算法本身，而是坐标系约定的一致性。一个外参矩阵，如果没有明确“从哪个坐标到哪个坐标”，再好用的库也会变成事故现场。我在代码里强制自己用T_source_target命名，在调试时先做正反变换验证方向，遇到手眼标定先查文档确认X的方向约定……这些都只是习惯，但正是这些习惯，帮我避免了大量定位错乱的深夜排查。希望这篇文章能把“外参相对于谁”这扇门推开一点，后续大家做标定、做融合、做抓取时，坐标系思路能一直保持清晰。