畸变校正是指通过数学建模和图像处理技术，修正摄像头拍摄图像时因光学镜头特性导致的几何形变现象。在自动驾驶系统中，常见的畸变主要包括径向畸变（表现为图像边缘的桶形或枕形弯曲）和切向畸变（由镜头与传感器安装偏差引起）。通过标定摄像头的内参和畸变系数，利用OpenCV等工具库的undistort函数，可将扭曲的图像还原为符合透视投影规律的准确画面。
对于自动驾驶产品经理而言，理解畸变校正的重要性在于：未经校正的图像会直接影响车道线识别、目标检测等视觉算法的精度。例如特斯拉早期的Autopilot系统就曾因鱼眼镜头的畸变校正不足导致车道保持功能异常。现代解决方案通常采用多镜头融合技术，结合前视窄角镜头（低畸变）和侧视广角镜头（需强校正）的优势。随着事件相机的应用，基于动态视觉传感器的非传统畸变校正方法也正在兴起。