安裝功能包

實測 ubuntu20.04 本地安裝

安裝步驟如下：

下載功能包

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

成功提示:

安裝依賴：

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：

安裝pandas 和 scipy

pip install pandas scipy

將功能包拷入ros的工作空間，然后編譯

catkin_make

不出意外會報錯誤

仍然是 ubuntu20.04 opencv 的 版本問題

錯位解決辦法:

打開include文件夾下的 optimise.h文件

將第10行

#include 

改為

#include 

再次編譯報錯：

CV_REDUCE_SUM 這個變量沒定義，opencv3到opencv4切換帶來的錯誤

在 optimise.h文件中加入下面的包含文件

#include

編譯通過

功能包測試

作者在功能包中放了測試數據，提供測試

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=true

該程序根據cam_lidar_calibration/data/vlp/文件夾下的pose.csv標定，在該文件夾生成一個標定camera和lidar外參文件

終端輸出

每一行則是迭代后的結果

終端輸出這個的時候

表示迭代完了

然后獲取評估校準結果

終端輸出

生成一個雷達投射到圖片上的圖片

利用功能包標定激光雷達和相機

設置參數

主要修改

cam_lidar_calibration/cfg/camera_info.yaml和

params.yaml

cam_lidar_calibration/cfg/camera_info.yaml 文件設置如下：

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]

設置是：

• 否為魚眼相機

• 像素寬和高

• 內參矩陣

• 失真系數

相機的內參標定方法可以參考這篇博客：

params.yaml 文件設置如下：

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

分別是：

• 相機消息名稱

• 相機信息

• 激光雷達消息名稱

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

點云的選取范圍，用默認的就是，之后可以在線調

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

標定棋盤的相關參數
和背板的相關參數
距離都是mm為單位

啟動相機和激光雷達

啟動相機

roslaunch spinnaker_sdk_camera_driver acquisition.launch

啟動激光雷達

roslaunch velodyne_pointcloud VLP16_points.launch

啟動功能包

開啟程序采集表定數據，運行命令：

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=false

會出現RVIZ和rqt_reconfigure窗口，在RVIZ中panels->display修改相機的話題和激光雷達點云對應的frame_id。

調整rqt_reconfigure /feature_extraction的xyz最大值最小值以使得標定板的點云和周圍環境分開，使其僅顯示棋盤。

如果棋盤沒有完全隔離，可能會影響棋盤的平面擬合，還會導致棋盤尺寸誤差較大。下圖是過濾點云前后效果：

在過濾周圍環境點云后，在rviz中點擊Capture sample采集樣本，會出線綠色框代表根據點云擬合出來的標定板平面

終端會打印出來添加的樣本信息

最好采集10個樣本以上，再點擊rviz中的optimise進行標定，在優化過程中將會在cam_lidar_calibration/data生成當前時間日期的文件夾，存放采集的圖像、點云pcd、位姿，標定后camer和lidar外參文件。

終端輸出開始校準：

校準結束后輸出：

評估參數和重投影誤差：

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

注意這里默認加載第16個圖像，如果沒有那么大的標定樣本，要修改launch文件中的加載序列

出現重投影效果圖像

終端出現標定參數和重投影誤差

審核編輯 ：李倩