激光雷达的外参数（或称为外参，英文通常为 Extrinsic Parameters）描述的是激光雷达自身在空间中的位置和朝向（姿态），它定义了激光雷达坐标系相对于另一个参考坐标系（通常是车体坐标系、世界坐标系或其他传感器坐标系）的空间关系。

简单来说，外参回答了这个问题：“这个激光雷达装在哪？它的镜头朝哪个方向？”

外参数的核心构成

外参数通常由两部分精确描述：

1. 旋转 (Rotation):

   • 用一个 3x3 的旋转矩阵 (Rotation Matrix) 或者更紧凑的 3维旋转向量 (Rotation Vector, 例如 Rodrigus 向量) 来表示。
   • 它定义了激光雷达坐标系相对于参考坐标系的朝向或姿态角度（如滚转角 Roll、俯仰角 Pitch、偏航角 Yaw）。
   • 旋转矩阵描述了如何将参考坐标系中的向量，通过旋转转换到激光雷达坐标系中。

2. 平移 (Translation):

   • 用一个 3维的平移向量 (Translation Vector) 来表示。
   • 它定义了激光雷达坐标系原点相对于参考坐标系原点的空间位移量。例如，这个向量会告诉你在车体坐标系下，激光雷达中心点距离车辆中心点（通常是后轴中心、IMU位置等）在 X、Y、Z 三个方向上的距离。

为什么外参数非常重要？

1. 多传感器融合： 在自动驾驶、机器人等领域，通常需要将激光雷达的点云数据与其他传感器（如摄像头、毫米波雷达、IMU、GNSS）的数据融合。外参是精确配准不同传感器坐标系数据的基础。没有准确的外参，点云就没法正确投影到图像上，或者不同雷达的数据无法对齐。
2. 点云拼接： 如果使用了多个激光雷达（如在车辆的四周），准确的外参是将它们采集的点云数据融合到一个统一坐标系的前提。
3. 定位与地图构建： 激光雷达采集的原始点云是相对于其自身坐标系的。要构建全局地图或定位车辆在世界中的位置，必须将这些点云通过定位系统提供的位姿（结合激光雷达的外参）转换到世界坐标系。
4. 路径规划与控制： 规划和控制算法需要知道感知到的障碍物在车辆坐标系中的准确位置，这依赖于精确的传感器外参。

与内参数的区别

• 内参数 (Intrinsic Parameters): 描述激光雷达传感器本身的特性，如激光束的发射角度、扫描模式、时间同步参数、距离测量模型等。它们影响激光点如何在其自身坐标系中被生成和测量。内参通常是出厂前标定好的。
• 外参数 (Extrinsic Parameters): 描述激光雷达作为一个刚体在物理世界中的安装位置和朝向，定义了它与外部参考系的空间变换关系。外参需要在实际安装到系统（如车辆）后进行精确标定。

总结

激光雷达的外参数，就是指它在安装时所处的位置（x, y, z 位移）和朝向（旋转角度或旋转矩阵），用于定义其自身的坐标系相对于一个更大系统（比如汽车车身、世界地图）坐标系的转换关系。它是多传感器协同工作和精确环境感知不可或缺的基石。 没有准确的外参，激光雷达数据就像没有“锚点”的孤岛，无法和其他信息有效关联。