相机标定主要是为了获取左右相机的内参矩阵、畸变系数、旋转矩阵和平移向量，方便后续对获得的图像进行畸变矫正和图像对齐。是描述相机内在参数的3x3矩阵，包含了相机的焦距和光学中心的位置。这些参数定义了相机的成像过程中的投影关系，内参矩阵一般表示为：其中：fx 和 fy 是焦距（以像素为单位），分别对应x和y方向。cx 和 cy 是光学中心（主点），即图像的中心点。s称为视向畸变系数，它用于校正图像中的

每个预测层将输出形状为 (batch_size, seq_length, input_size * horizon_length)，其中 input_size 是每个时间步的输入特征维度，horizon_length 是预测的未来步数。hidden_states 在通过解码器层之后，将进入归一化层对最后的隐藏状态进行规范化处理，以提高训练稳定性并加速收敛，得到形状为 (batch_size, se

每个预测层将输出形状为 (batch_size, seq_length, input_size * horizon_length)，其中 input_size 是每个时间步的输入特征维度，horizon_length 是预测的未来步数。hidden_states 在通过解码器层之后，将进入归一化层对最后的隐藏状态进行规范化处理，以提高训练稳定性并加速收敛，得到形状为 (batch_size, se

每个预测层将输出形状为 (batch_size, seq_length, input_size * horizon_length)，其中 input_size 是每个时间步的输入特征维度，horizon_length 是预测的未来步数。hidden_states 在通过解码器层之后，将进入归一化层对最后的隐藏状态进行规范化处理，以提高训练稳定性并加速收敛，得到形状为 (batch_size, se

每个预测层将输出形状为 (batch_size, seq_length, input_size * horizon_length)，其中 input_size 是每个时间步的输入特征维度，horizon_length 是预测的未来步数。hidden_states 在通过解码器层之后，将进入归一化层对最后的隐藏状态进行规范化处理，以提高训练稳定性并加速收敛，得到形状为 (batch_size, se