Apollo中的世界坐标系、相机坐标系、图像坐标系、像素坐标系

最新推荐文章于 2026-05-12 05:32:11 发布
原创 最新推荐文章于 2026-05-12 05:32:11 发布 · 1.3k 阅读 · 4
标签
#自动驾驶
Apollo的点云感知涉及世界坐标系、相机坐标系、图像坐标系和像素坐标系。世界坐标系基于velodyne128激光，相机坐标系以相机位置为原点，Z轴指示水平距离。外参文件front_6mm_extrinsics.yaml记录了相机到世界的旋转和平移，需求逆以获取世界到相机的转换。图像坐标系遵循小孔成像原理，而像素坐标系将图像中心移到左上角。

Apollo点云感知中的世界坐标系是velodyne128激光的位置（蓝色坐标系，X轴表示障碍物水平距离）；

相机坐标系是相机的位置（红色坐标系，Z轴表示水平距离）；

 此处有一个坑：

modules/perception/data/params/front_6mm_extrinsics.yaml中的外参表示从相机坐标系到世界坐标系的旋转和平移，要想得到世界坐标系到相机坐标系的转换关系，得求逆。

\begin{pmatrix} Rc & Tc \\ 0 & 1 \end{pmatrix}*\begin{pmatrix} Xc\\ Yc\\ Zc\\ 1 \end{pmatrix}=\begin{pmatrix} Xw\\ Yw\\ Zw\\ 1 \end{pmatrix}

 

最低0.47元/天 解锁文章
Apollo学习笔记（4）坐标系
qq_24649627的博客
06-29 5728
百度Apollo项目用到了多种坐标系，其中帮助文档提及的坐标系包括： 全球地理坐标系（The Global Geographic coordinate system ） 局部坐标系—东-北-天坐标（The Local Frame – East-North-Up，ENU） 车身坐标系—右-前-天坐标（The Vehicle Frame —Right-Forward-Up，RFU） 车身坐标系—前-左-天坐标（The Vehicle Frame —Front-Left-Up，FLU） 还有一种Frenet坐标
Apollo基础 - Frenet坐标系
BigDavid123的博客
01-09 2811
本文介绍了Frenet坐标系和Cartesian坐标系的互相转换在Apollo代码中的体现, 测试了Frenet和Cartesian之间的转换
从Apollo到你的项目：手把手教你实现Frenet坐标转换（Python/ROS版）
最新发布
weixin_30892889的博客
05-12 419
本文详细介绍了如何在Python和ROS中实现Frenet坐标转换，适用于无人驾驶和机器人运动规划领域。通过解析百度Apollo的核心思想，提供轻量级实现方案，包括Cartesian与Frenet坐标系间的转换公式推导、ROS节点集成及Hybrid A*路径搜索案例，帮助开发者快速应用于实际项目。
Apollo课程学习3——定位
weixin_43476492的博客
08-12 3257
Apollo课程学习3——定位学习前言无人车自定位系统一、什么是无人车自定位二、系统的指标要求三、为什么无人车需要该系统三维几何变换一、旋转二、平移三、刚体的位置和朝向四、坐标系1、ECI地心惯性坐标系2、ECFF地心地固坐标系3、当地水平坐标系4、UTM坐标系5、车体坐标系6、IMU坐标系7、相机坐标系8、激光雷达坐标系9、无人车定位中涉及的坐标系定位方法一、定位方法概述二、GNSS定位技术三、载波定位技术四、激光定位1、激光定位原理2、迭代最近点（ICP）3、滤波算法3.1 直方图滤波算法3.2
Apollo项目坐标系研究
热门推荐
davidhopper的博客
01-25 5万+
声明：本文系作者davidhopper原创，未经允许，不得转载！ 百度Apollo项目（https://github.com/apolloauto）用到了多种坐标系，其中帮助文档提及的坐标系包括：全球地理坐标系（The Global Geographic coordinate system ）、局部坐标系—东-北-天坐标（The Local Frame – East-N
【apollo7.0】感知模块(2): 基于激光雷达的障碍物感知算法及流程
yangda_9527的博客
03-28 2222
摘要：对apollo7.0感知模块进行梳理，分析了其激光雷达障碍物感知算法流程。
从图像坐标系到世界坐标系
qq_42762094的博客
11-19 1009
经过上述一系列变换，Apollo可以将图像中的一个像素点转换为世界坐标系中的一个点。整个过程概括如下：1.相机内参：将像素坐标转换为相机坐标系。2.深度信息：使用深度传感器或算法获取每个像素的深度。3.相机外参：将相机坐标转换为车辆坐标系。4.定位信息：将车辆坐标系转换为世界坐标系。这种多级坐标变换流程，使得Apollo可以在世界坐标系下识别并定位图像中的特征点（如车道线、障碍物等），进而进行路径规划和控制。
梳理梳理“坐标系”
weixin_53333244的博客
12-05 2308
坐标转换是空间实体的位置描述，是从一种坐标系统变换到另一种坐标系统的过程。然后X轴水平，Y轴向下，和camera的坐标系保持一致。但是这时的原点进行了转移，所以整个相机的坐标系一共涉及到4个。相机分两个坐标系，一个是相机自身的坐标系，和一个像素平面坐标系；采用的也是SAE的坐标系，前向为X，横向为Y且左为正。采用的是SAE的坐标系，车辆前向为X，横向Y，垂向Z；但是常用的都是以ISO定义的车辆坐标系；相机的坐标系一般是以光轴为Z轴，像素平面的坐标系是左上角为原点；ISO定义的车体坐标系。
使用 Apollo TransformWrapper 生成相机到各坐标系的变换矩阵
Hi20240217的博客
09-09 968
摘要 本文介绍了在Apollo自动驾驶平台中使用TransformWrapper工具生成相机到各坐标系变换矩阵的方法。首先阐述了变换矩阵的作用——统一多传感器坐标系（如相机、激光雷达、定位设备）以实现数据融合。接着详细说明了操作步骤：1)配置车辆传感器参数文件；2)启动静态变换发布模块；3)通过cyber_monitor验证变换数据；4)播放记录文件生成动态变换；5)使用Python脚本打印TF树可视化坐标系关系。关键点在于正确配置外参文件并通过Apollo提供的工具链管理坐标系转换，为多传感器数据对齐提供
Apollo平台下相机和激光雷达手眼联合标定
Hi20240217的博客
08-11 1167
Apollo平台下相机与激光雷达联合标定指南 摘要：本文介绍Apollo自动驾驶平台中相机与激光雷达联合标定的关键技术。通过建立坐标系转换关系（包含内参矩阵K和外参矩阵[R|t]），实现多传感器数据精确对齐。标定过程包括：1）数据采集（同步记录图像和点云数据）；2）预处理（提取传感器数据）；3）数学模型求解（通过标定板建立相机与激光雷达的变换链T_c←l = T_c←w * inv(T_l←w)）。文章详细推导了投影方程和刚体变换方程，并提供了Apollo平台下的实际操作命令和Python代码示例，帮助开发
apollo学习之车体中心
小墨迹的博客
04-22 482
Apollo的定位数据以后轴中心为基准，这是为了与车辆运动学模型、控制算法及传感器配置保持一致，确保规划和控制模块的精度和鲁棒性。这一设计在Apollo的官方文档、坐标系定义及实际配置中均有明确体现。
Apollo坐标系统定义
chepwavege的专栏
07-15 2088
Apollo坐标系统 我们欢迎每一位开发者加入Apollo开发平台。Apollo系统涉及到了多种坐标系。在本文档中，我们将讨论在Apollo系统中使用的各个坐标系的定义。 1. 全球地理坐标系统 在Apollo系统中，我们采用全球地理坐标系统来表示高精地图（HD Map）中各个元素的地理位置。全球地理坐标系统的通常用途是用来表示纬度、经度和海拔。Apollo采用的是WGS84（World G...
Apollo进阶课程⑭ | Apollo自动定位技术——三维几何变换和坐标系介绍
10点43的博客
03-25 3212
目录 1.三维几何变换---旋转 2.三维几何变换----平移 2.1刚体的位置和朝向 3. 坐标系 3.1 ECI地心惯性坐标系 3.2 ECFF地心地固坐标系 3.3当地水平坐标系 3.4 UTM坐标系 3.5 车体坐标系 3.6IMU坐标系 3.7 相机坐标系 3.8 激光雷达坐标系 3.9 无人车定位信息中涉及的坐标系 阿波君Apollo开发者社区4天前 ...
Apollo定位二——传感器与坐标系
Ali_start的博客
01-01 4652
定位：Where we are 感知：What we see 决策：How the environment will change 规划：How we move 控制：How to control the car 目录 1. 技术入门 GPS定位 点云匹配定位 视觉定位 惯性导航推算轨迹 多传感器融合定位  2.基础知识——主要讲述各种坐标系 三维坐标系的几何变换 常用坐...
Apollo 5.5 源码学习笔记（五） | transform模块 | Apollo中的坐标系统详解
zhanghm1995的博客
05-16 7735
本系列博客旨在记录自己在学习百度无人驾驶开源框架Apollo的心得和体会，欢迎大家阅读和点赞，并提出宝贵意见，大家相互学习，如需转载，请注明出处，谢谢！ 文章目录前言车辆传感器布局传感器外参标定关系 前言 对于一个自动驾驶系统来说，一般都会有激光雷达、毫米波雷达、超声波雷达、相机、IMU/GPS等各种传感器，而每个传感器都有自己的坐标系定义，为了描述自动驾驶车辆在地图中的位置，一般还涉及到全局定位，这就还会包含全局坐标系，也称为世界坐标系。这些错综复杂的坐标系定义，不仅涉及到了不同传感器之间的内外参标定.
C++ 点云坐标转换/投影变换 [世界坐标转相机坐标]
weixin_43896283的博客
05-28 1692
C++ 点云坐标转换/投影变换 [世界坐标转相机坐标]
点云数据常见的坐标系有哪些，如何进行转换？
智慧空间实验室
09-07 2051
反投影: 将投影坐标系转换为地理坐标系，同样需要使用地图投影软件或库进行操作。正投影: 将地理坐标系转换为投影坐标系，通常使用地图投影软件或库进行操作。相机标定：使用已知的相机参数，将相机坐标系转换为世界坐标系或其他坐标系。坐标变换：使用已知控制点或变换参数，将局部坐标系转换为3D模型坐标系。: 使用已知的传感器参数，将传感器坐标系转换为世界坐标系或其他坐标系。矩阵变换：使用旋转矩阵和平移矩阵，将局部坐标系转换为3D模型坐标系。坐标变换：使用已知控制点或变换参数，将投影坐标系转换为局部坐标系。
点云 XYZ 坐标系解释（PCL、PCD、PLY）
Eric Woo
05-23 3384
因此，当处理点云数据时，z 坐标通常被用来表示物体或地形的高度。这个约定广泛应用于各种三维坐标系中，包括计算机图形学、地理信息系统（GIS）、建筑和工程等领域。点云（Point Cloud）是由大量离散点组成的数据结构，每个点在三维空间中由一个xyz坐标表示。
Apollo中三种相机外参的可视化分析
Hi20240217的博客
08-06 1250
本文分析了自动驾驶系统中相机外参的可视化方法，对比了三种来源的外参数据（NuScenes数据集、Apollo BEV模型和Apollo园区版）。通过代码示例展示了从NuScenes数据集提取相机外参（位置和旋转四元数）的详细过程，并实现了外参数据的3D可视化。该方法可帮助验证标定质量、检测标定错误、理解感知系统覆盖范围以及确保多传感器融合的空间对齐关系。文章提供了完整的Python实现，包括环境准备、数据提取和可视化步骤。
点云数据标注项目 - 世界坐标系(World Coordinates)转换为相机坐标系(Camera Coordinates)和像素坐标系(Pixel Coordinates)
qq_22662019的博客
04-21 352
一个用于将世界坐标系(World Coordinates)转换为相机坐标系(Camera Coordinates)和像素坐标系(Pixel Coordinates)的工具。它还可以将激光雷达点云投影到相机图像上,用于数据融合或物体标注。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值