整车下线标定（EOL）怎么把 ADAS 精度焊死：摆正器 ±0.1°、激光雷达 40 秒

二、标定间的硬指标：±2mm、±0.1°、反光率 18%

标定精度的天花板，取决于标定间本身的精度。行业方案给出的典型要求如下：

±0.1° 的 yaw 精度是整条链路的基准。 车辆如果停歪了，后续所有相机与激光雷达的外参解算都会带上系统性误差，且这种误差不会随机分布——它会变成同一批次车辆的偏置，直接表现为某一侧的车道保持更差。

地面反光率控制在 18% 左右也有讲究：太亮会产生杂散反射干扰相机与激光雷达识别标志物，太暗则可能影响图像采集的对比度。这就是为什么标定间地面要用砂浆或环氧树脂自流平处理。

三、标定原理与节拍：激光雷达 ≤40s、环视 ≤20s

标定的技术路线分两类，原理高度相似：

相机标定（3D-2D 求解）：车辆由摆正器定位后，相机拍摄 ArUco、棋盘格等标志物，提取图像中的角点像素信息；在已知相机内参和标志物角点在车体坐标系（如后轴中心）中 3D 坐标的前提下，通过 3D-2D 姿态求解算法计算相机与车体坐标系的相对位姿。

激光雷达标定（3D-3D 求解）：同样先定位车辆，激光雷达检测标志物、提取特征点 3D 信息，已知特征点在车体坐标系中的 3D 坐标，通过 3D-3D 姿态求解计算激光雷达与车体坐标系的相对位姿。

节拍是产线的硬约束。行业方案给出的典型要求是：

这几组数字的意义在于：标定不是「慢慢调准」，而是在节拍压力下把精度做稳定。 一套成熟的自动化方案能把单台车整体循环压进 60 秒以内，同时通过机器人标定站、伺服驱动标定框架、机器视觉夹具对齐来抵抗环境光与车漆颜色的干扰。

值得注意的是，标定流程需要与 ECU 通过统一诊断服务交互：激活标定指令、读取标定进度、读取标定结果，并且要在同一个上下电循环内支持反复多次标定——这样产线遇到异常时可以就地重标，而不必把车开下线。

四、售后标定与产线标定的差别，以及在线的第三条路

售后标定与产线标定在规模、节拍与产线集成度上完全不同。售后场景中，静态标定通常需要 30—60 分钟，若还需要动态行驶标定，则要额外增加 15—45 分钟的行车过程；遇到历史故障码或非原厂玻璃导致的支架不匹配，还要再叠加 20—45 分钟排查时间。这也是为什么前挡风玻璃更换后必须做 ADAS 标定——摄像头支架的位置变了，外参就失效了。

第三条路是在线自标定。其思路是：在车辆运行过程中通过多源触发机制（按时间、里程、故障码、碰撞事件、传感器更换等条件触发）采集激光雷达点云与相机图像，构建几何约束、运动一致性与感知融合的多维验证模型，在系统空闲或延迟断电窗口内完成参数更新，且只在自动驾驶系统未激活时更新参数并校验合理性。这条路能显著降低对专用标定场地的依赖，尤其适用于 Robotaxi 这类连续运营的车队——但它们不能替代产线下线标定的基准作用，只能作为运行期的参数维护手段。

EOL 标定看起来是产线末端的一道装配工序，实际上是智能驾驶从「可用的 Demo」走向「稳定的量产」之间的那道工程壁垒。它的价值不在某一台车标得准，而在十万台车标得一样准。

VEXIA新势力 持续跟踪智能驾驶产线工艺与标定技术演进，为零部件企业提供传感器模块、标定设备与工艺装备方向的机会分析。