雷达相机标定

相机标定

相机内参标定

• 首先采集不同位置的标定板照片
• matlab工具箱选择 Camera Calibrator 工具

• 导入采集好的标定图片

• 输入标定板尺寸

• 检查每个图片的坐标系是否一致，剔除不一致的图片
• 检查完之后，选择这几个按钮，点击标定

• 剔除误差大的值，直到所有误差值均小于0.5

• 导出内参

相机单应矩阵标定

标定世界坐标系

在相机画面中选择四个标定点，测得四个标定点的真实距离，如下示例：

测量示例中 1、2、3、4 位置的像素坐标以及各个点之间的真实距离，调用 cv::findHomography 方法获取单应矩阵。

homographyMatrix = cv::findHomography(pixelCoords, worldCoords, 0);

其中 pixelCoords 为 1、2、3、4 位置像素坐标：worldCoords = {{x1, y1}, {x2, y2}, {x3, y3}, {x4, y4}};

worldCoords 为 1、2、3、4 位置对应的世界坐标信息，怎样生成worldCoords 数组？

此处假设 1、2、3、4 点构成矩形，且矩形宽高为L、H，将坐标原点建立在位置 1 处，则 1、2、3、4 位置的世界坐标为：worldCoords = {{0, 0}, {L, 0}, {L, H}, {H, 0}};

当然坐标原点也可以选择其他位置，worldCoords 内的位置信息改距坐标原点的信息即可。

也可以实现像素坐标转GPS坐标，不需要建立原点，只需将 worldCoords 中四个点的位置坐标改为对应的GPS坐标即可。

雷达相机联合标定

LIDAR2Camera 手动标定

标定工具：https://github.com/PJLab-ADG/SensorsCalibration/tree/master/lidar2camera

依赖库：

• Pangolin(0.6版本)：https://github.com/stevenlovegrove/Pangolin/tree/v0.6

# PCL(1.9.1版本)
sudo apt remove libpcl-dev  
# 避免版本冲突
git clone -b pcl-1.9.1 https://github.com/PointCloudLibrary/pcl.git
cd pcl
mkdir build
cd build
cmake ..
make -j$(nproc)
sudo make install

然后编译 /lidar2camera/manual_calib/ 程序就好了。

autoware标定工具

安装标定工具

git clone https://github.com/FENGZHANG123/autoware_camera_lidar_calibrator
catkin_make
source devel/setup.bash
rosrun calibration_camera_lidar calibration_toolkit

安装依赖库

sudo apt install ros-noetic-jsk-recognition-msgs
sudo apt install ros-noetic-jsk_footstep_msgs

安装nlopt

# 下载：
https://github.com/stevengj/nlopt/archive/v2.7.1.tar.gz
cmake .. && make && sudo make install

修改 calibration_camera_lidar/CMakeLists.txt

find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})
include_directories( /usr/local/include)
link_directories(/usr/local/lib)

matlab标定

• 采集同一时刻雷达与图像的标定板数据

• 与相机内参标定类似，导入图片与pcd点云文件，并设置棋盘格大小

• 绘制感兴趣区域，这样可以降低雷达检测范围，可以通过 Dimension Tolerance、Cluster Threshold 控制标定板检测结果，然后点击 Calibrate 标定，将旋转、平移与重投影误差误差降低到设定范围内，导出外参即可。

未完待续~