实测ubuntu20.04机械式激光雷达与相机联合标定

安装功能包

实测 ubuntu20.04 本地安装

安装步骤如下：

下载功能包

git clone -c http.sslverify=false https://gitlab.acfr.usyd.edu.au/its/cam_lidar_calibration.git

成功提示:

安装依赖：

sudo apt update && sudo apt-get install -y ros-noetic-pcl-conversions ros-noetic-pcl-ros ros-noetic-tf2-sensor-msgs

成功提示：

安装pandas 和 scipy

pip install pandas scipy

将功能包拷入ros的工作空间，然后编译

catkin_make

不出意外会报错误

仍然是 ubuntu20.04 opencv 的 版本问题

错位解决办法:

打开include文件夹下的 optimise.h文件

将第10行

#include 

改为

#include 

再次编译报错：

CV_REDUCE_SUM 这个变量没定义，opencv3到opencv4切换带来的错误

在 optimise.h文件中加入下面的包含文件

#include

编译通过

功能包测试

作者在功能包中放了测试数据，提供测试

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=true

该程序根据cam_lidar_calibration/data/vlp/文件夹下的pose.csv标定，在该文件夹生成一个标定camera和lidar外参文件

终端输出

每一行则是迭代后的结果

终端输出这个的时候

表示迭代完了

然后获取评估校准结果

终端输出

生成一个雷达投射到图片上的图片

利用功能包标定激光雷达和相机

设置参数

主要修改

cam_lidar_calibration/cfg/camera_info.yaml和

params.yaml

cam_lidar_calibration/cfg/camera_info.yaml 文件设置如下：

distortion_model: "non-fisheye"width: 1440height: 1080D: [-0.106460,0.103712,-0.000019,0.003994]K: [1213.343583,0.0,744.150520,0.0,1217.236982,586.154363,0.0,0.0,1]

设置是：

• 否为鱼眼相机

• 像素宽和高

• 内参矩阵

• 失真系数

相机的内参标定方法可以参考这篇博客：

params.yaml 文件设置如下：

# Topicscamera_topic: "/camera_array/cam0/image_raw"camera_info: "/camera_array/cam0/camera_info"lidar_topic: "/velodyne_points"

分别是：

• 相机消息名称

• 相机信息

• 激光雷达消息名称

feature_extraction: x_min: -10.0 x_max: 10.0 y_min: -8.0 y_max: 8.0 z_min: -5.0 z_max: 5.0

点云的选取范围，用默认的就是，之后可以在线调

chessboard: pattern_size:  height: 14  width: 9  square_length: 11 board_dimension:  width: 390  height: 596 translation_error:  x: 0  y: 0

标定棋盘的相关参数
和背板的相关参数
距离都是mm为单位

启动相机和激光雷达

启动相机

roslaunch spinnaker_sdk_camera_driver acquisition.launch

启动激光雷达

roslaunch velodyne_pointcloud VLP16_points.launch

启动功能包

开启程序采集表定数据，运行命令：

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=false

会出现RVIZ和rqt_reconfigure窗口，在RVIZ中panels->display修改相机的话题和激光雷达点云对应的frame_id。

调整rqt_reconfigure /feature_extraction的xyz最大值最小值以使得标定板的点云和周围环境分开，使其仅显示棋盘。

如果棋盘没有完全隔离，可能会影响棋盘的平面拟合，还会导致棋盘尺寸误差较大。下图是过滤点云前后效果：

在过滤周围环境点云后，在rviz中点击Capture sample采集样本，会出线绿色框代表根据点云拟合出来的标定板平面

终端会打印出来添加的样本信息

最好采集10个样本以上，再点击rviz中的optimise进行标定，在优化过程中将会在cam_lidar_calibration/data生成当前时间日期的文件夹，存放采集的图像、点云pcd、位姿，标定后camer和lidar外参文件。

终端输出开始校准：

校准结束后输出：

评估参数和重投影误差：

roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/2022-09-06_14-48-42/calibration_2022-09-06_15-13-07.csv" visualise:=true

注意这里默认加载第16个图像，如果没有那么大的标定样本，要修改launch文件中的加载序列

出现重投影效果图像

终端出现标定参数和重投影误差

审核编辑 ：李倩