标定
相机内参标定
主要看重投影误差,cv的标定识别率也太低了。。。原因是找到了,相机给的曝光时间5ms,增大曝光时间成功率大大提升,但曝光时间给打了,影响实时性,头疼。。
livox_lidar_camera_calibration外参标定
主要是3D-2D的标定
采集标定数据
参照以下采集标定数据和处理标定数据,pcd角点选取和图像角点选取:
https://zhaohailong.blog.csdn.net/article/details/125736088?spm=1001.2014.3001.5502
遇到livox_lidar_camera_calibration无法批处理转pcd:
原因查出来是src/pcdTransfer.cpp 60多行不正常,无法运行这个for循环,读不到数据存出来的数据为空,可能是ubuntu20+ros melodic不好使
for (const rosbag::MessageInstance &m : view) { //todo:这句存在问题,无法读取ros数据
最后通过livox_camera_calib里的包使用bag_to_pcd.launch一个个转的,非常不友好。
uptdate:
vector<string> types; //types.push_back(string("livox_ros_driver/CustomMsg")); //std::cout << "lidar_topic: " << lidar_topic << std::endl; types.push_back(string("sensor_msgs/PointCloud2")); rosbag::View view(bag, rosbag::TypeQuery(types));
最后发现是因为rosbag::TypeQuery输入的是数据类型,而不是话题名。。。
题外话:我使用360度的激光雷达,使用livox_camera_calib这个包会有视角问题(投影三维点到相机),效果不好,果断放弃,还是通过标定板来操作。
遇到livox_lidar_camera_calibration的第二个坑就是src/corner_photo.cpp,看代码是要手动标注选去畸变后的图片像素,但是相片太大,通过resizeWindow或者nameWindow都无法缩小显示对话框,不知道是不是ubuntu 20还是cv4.2版本,是真坑。。。最后在代码里把去畸变后的图片保存下来,放到windows上使用[画图]软件一个像素一个像素描,真心尼吗的坑。。。
遇到 livox_lidar_camera_calibration第三个坑是要求一行大于10,因为我是手动量的图片像素,一行不够10个,所以最后在图片像素加上小数点后几位即可。
标定
getExt1.launch
计算结果
标定精度对比
livox_camera_calib
据说要采集多个场景比较好,我在室内采集多个场景,效果比较差,室外没法供电,暂时没测;
推荐用楼梯间这种,可是没有楼梯间。。。
livox_lidar_camera_calibration
误差:2个像素,我自己测出来外参重投影误差3-4个像素,上色结果比较差
livox_lidar_camera_calibration学习--标定外参求解_qq_38650944的博客-CSDN博客
Autoware
我是在尝试livox_lidar_camera_calibration和livox_camera_calib两个标定包后,再使用autoware标定包,使用比之前好很多,精度也高不少,有人给出精度是1cm,我的标定数据如下:
附上我改写的开发包和标定中遇到的一些问题和解决办法:
传送门:autoware标定包使用_妄想出头的工业炼药师的博客-CSDN博客
autoware的问题是标着玩可以,但是易用性很低,需要采集很多照片才行,希望是一张图片一个pcd就能解决问题;
lidar_camera_calibration
还不知道精度怎么样,gitlab打星比较多
3D雷达与相机的标定方法详细教程_敢敢のwings的博客-CSDN博客_标定找相机yaw pitch roll
比较自动的标定流程
附录
比较全的标定汇总:
雷达与相机的时空标定工具 - 知乎
静态上色
https://zhaohailong.blog.csdn.net/article/details/125737021?spm=1001.2014.3001.5502
动态上色
GitHub - johannes-graeter/limo: Lidar-Monocular Visual Odometry
使用标定直接使用最新图片着色
Livox Lidar+海康Camera实时生成彩色点云_lucky li的博客-CSDN博客文章来源:https://www.toymoban.com/news/detail-740140.html
GitHub - Deephome/Awesome-LiDAR-Camera-Calibration: A Collection of LiDAR-Camera-Calibration Papers, Toolboxes and Notes 文章来源地址https://www.toymoban.com/news/detail-740140.html
到了这里,关于3D激光雷达和相机融合的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!