宇树 Go2 四足机器人的相机标定究竟有何奥秘？从认识硬件到内参外参解密，再到张氏标定法的运用，本文为您详细拆解其从 2D 照片到 3D 空间认知的转化链路。

传感器标定是连接物理世界与数字感知的核心中间件，对于Go2这种高速运动的四足机器人，如果标定偏差1度，反映在地形映射上可能就是几厘米的误差，足以导致机器狗在复杂地形下踏空或撞击。

本文通过Zoogle联系到了ZPD警校，组织了一场相机标定培训课，拆解从“像素”到“足端控制”的转换链路。

你的机器人搭档如何“看”世界？

“听好了，警员们！”

人类获取的信息中，80%来自视觉。但在机器人的世界里，未经调教的摄像头只是一只“会撒谎的眼睛”。

今天，我们将拆解ZPD最新配发的巡逻搭档——宇树 Go2。你们的任务只有一个：破解它的视觉密码，搞清楚它是如何将一张张扁平的2D照片，转化为精准的3D空间认知的。

这门课的名字叫——相机标定 (Camera Calibration)。

1.警械拆解：认识你的“五官” (The Hardware)

先来看看你们的搭档。根据后勤科提供的图纸，Go2 不仅仅是一堆金属，它是一座行走的传感器堡垒：

核心痛点：

相机看到了“红色的嫌疑人”（颜色信息），雷达看到了“前方1.5米有障碍”（距离信息）。但如果没有标定，Go2的大脑无法确信“红色的嫌疑人”就是“那个障碍物”。

2.第一层解密：内参 (Intrinsics) —— 修正“畸变的证词”

“永远不要轻信广角镜头！”

为了在巡逻时获得更大的视野，Go2 装备了120° 超广角镜头。但这带来了一个副作用：透镜畸变。

就像你在哈哈镜里看到的一样，直线变弯了，世界鼓起来了（桶形畸变）。如果直接用这张图导航，Go2 走直路也会撞墙。我们需要查清相机的“DNA”——内参矩阵：

1. 焦距：决定了相机视野的广度。
2. 主点 ：修正视网膜中心的制造误差。
3. 畸变系数 ：这是一个数学公式，用来把弯曲的图像“拉直”，还原现场真相。

知识点：内参是相机与生俱来的属性，一旦出厂（除非变焦）就不会改变。

3.第二层解密：外参 (Extrinsics) —— 统一“坐标系”

“你在哪？往哪看？”

这是最关键的一步。Go2 的“眼睛”（相机）长在鼻子上，但“触角”（雷达）长在头顶。我们需要建立一个统一的世界坐标系。

我们需要计算外参矩阵[R|t]：

• 旋转矩阵 (Rotation， R)：描述相机相对于雷达（或基座）低头了多少度，向左偏了多少度 。
• 平移向量 (Translation， t)：描述相机中心距离雷达中心在X、Y、Z轴上各偏离了多少毫米。

4.终极手段：张氏标定法

“我们需要一个标准，一个不会说谎的参照物。”

如何获取这些复杂的参数？我们不需要昂贵的实验室，只需要警局顾问张正友博士 (Dr. Zhengyou Zhang)推荐的神器——黑白棋盘格 (Checkerboard)。

操作流程：

1. 举证：让 Go2 盯着棋盘格，从不同角度拍摄 10-20 张照片。
2. 推理：算法知道棋盘格的真实物理尺寸（比如每格 3cm）。
3. 解算：通过对比“图像上的格子”和“真实的格子”之间的形变，利用单应性矩阵 (Homography)，算法能一次性反推出相机的内参、畸变参数和每一张照片对应的外参。

结业陈词

新警员们，请记住：

一个未经标定的相机，只是一只模糊的“近视眼”；而一个经过精确标定的传感器系统，才是一双能洞察三维世界的“鹰眼”。

通过标定，能将视觉的色彩与雷达的深度完美融合。它不再会在追捕罪犯时被台阶绊倒，也不会把墙上的海报误认为是真实的大门。

散会！

本文由 @杰克说AI 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议