当前位置: 首页 > news >正文

相机和激光雷达的外参标定 - 无标定板版本

1. 实现的效果

通过本软件实现求解相机和LiDAR的外参,即2个传感器之间的三维平移[x, y, z]和三维旋转[roll, pitch, yaw]。完成标定后,可将点云投影到图像,效果图如下:

本软件的优势:(1)无需特制的标定板(2)开箱即用,无需繁琐的开发环境配置(3)标定速度快,只需手工选择6个点对,即可完成标定。

2. 运行前准备

(1)相机内参

可使用opencv或者matlab进行标定;一般相机厂家也会提供,可联系厂家获取。

相机矩阵格式为:

\begin{bmatrix} fx& 0& cx\\ 0& fy& cy\\ 0& 0&1 \end{bmatrix}​ 

镜头畸变格式为:

​ [k1, k2, p1, p2, k3, k4, k5, k6]

k3k4k5k6​这几个参数如果没有,可以不提供。

在本程序中,存在camera_config.json的配置文件,相机内参在里面修改,如下图所示:

{"camera_matrix": [ //相机矩阵[1189.8516705838,0.0,958.9487412898],[0.0,1189.8896522849,538.5150082596],[0,0,1]],"distortion_coefficients": [ //镜头畸变4.2219264042,1.0156623421,9.72633e-05,9.40934e-05,-0.0139758468,4.6602774064,2.6717043123,0.0850373937],"tvec":[0,0,0], //初始[x, y, z]平移,单位:米,默认全为0"rvec":[0,0,0] //初始[roll, pitch, yaw]旋转,单位:度,默认全为0
}

(2)数据准备

采集多组图像和点云,图像保存为png格式;点云保存为pcd格式注意每组图片和点云的文件名必须完全一致,如下图蓝框和红框所示。另外,camera_config.json文件必须和这些数据在同一个文件夹下,否则程序会出错。

pcd采用ASCII码格式存储,如下图所示,每个点包含[x y z intensity ring timestamp]6个元素,其中,[x y z]是必须有的,其他元素如果没有,用0填充。另外文件头的WIDTH和POINTS均设置为该pcd文件包含的总点数。

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z intensity ring timestamp
SIZE 4 4 4 4 2 8
TYPE F F F F U F
COUNT 1 1 1 1 1 1
WIDTH 144000
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 144000
DATA ascii

(3)数据采集注意事项

标记物要选取角点明显的物体,比如下图中的黄色纸箱子。纸箱子排放尽量做到左右远近,均匀分布。可以一次性排放多个箱子。

标记物除了纸箱子,也可以在淘宝上买指引牌,如下图所示,建议买大一些的。

3. 软件操作

3.1 点击“设置数据路径”按钮,选择数据文件夹

3.2 正常加载点云和图片

 3.3 各区域操作

区域

操作

功能

图像区域

鼠标滚轮

放大/缩小图片

ctrl+鼠标左键

在图像上加点

ctrl+鼠标右键

删除上一个点

鼠标右键

弹出菜单,保存数据或删除上一个点

鼠标中键并移动鼠标

平移图像

点云区域

ctrl+鼠标左键

在点云上加点(必须选中点云,点击空白区域无效)

ctrl+鼠标右键

删除上一个点

鼠标滚轮

放大/缩小

按住鼠标左键并移动

旋转视角

按住鼠标中键并移动

平移视角

↑↓←→按键

旋转视角

- 键

选中点尺寸变小

+ 键

选中点尺寸变大

数据列表区

鼠标左键

切换图片

3.4 在图像中选点

注意点:必须选择明显的角点,如果角点不够,可以如下图所示放纸箱子,然后点击纸箱子的角点,如0和1号。另外也可以选择建筑物的角点,如2号。

3.5 在点云中选点

注意点:点云中的点序号是P0、P1这样的格式,P0对应图像中的0号点,其他依次类推。必须做到图像和点云中的点数量、位置、编号完全对应,否则标定会失败。在点云中可以旋转平移视角,帮助选择到正确位置的点。

3.6 执行标注

注意点:点云和图像中的点对必须大于等于6,才能进行标注;如果当前帧不够6对,切换到下一帧数据,继续选点,所有帧上选择的点对之和超过6即可。

点击“执行标定”,如果一切正常的话,会输出重投影误差,超过10可以认为标定不成功;但小于10也并不能保证标定成功。需要进一步将点云投影到图像上进行检查。

3.7 点云投影到图像

如下图所示,点击“在图像上显示点云”,即可看到可视化。

如果出现下图所示,点云和图像错乱的现象,这个是由于图像和点云的重叠FOV没有设置对,重复下图中1,2两个步骤进行调整。

这里的样例相机水平视角是100°,所以调整到100°左右,如下图所示位置,即可正确显示。

4. 软件下载链接

链接: https://pan.baidu.com/s/1BH_ic4uw4OGDFMVmo9Z4OQ?pwd=uqm7 提取码: uqm7 

http://www.lryc.cn/news/521326.html

相关文章:

  • Redis 知识速览
  • LeetCode 热题 100_从前序与中序遍历序列构造二叉树(47_105_中等_C++)(二叉树;递归)
  • 使用sqlplus的easy connect时如何指定是链接到shared server还是dedicated process
  • ubuntu22.4 ROS2 安装gazebo(环境变量配置)
  • 【机器学习:十四、TensorFlow与PyTorch的对比分析】
  • [C++]类与对象(上)
  • 大数据技术实训:Zookeeper集群配置
  • HTML5 加载动画(Loading Animation)
  • C语言进阶-2指针(一)
  • 【人工智能】用Python进行对象检测:从OpenCV到YOLO的全面指南
  • 《深度剖析算法优化:提升效率与精度的秘诀》
  • Mysql--重点篇--索引(索引分类,Hash和B-tree索引,聚簇和非聚簇索引,回表查询,覆盖索引,索引工作原理,索引失效,索引创建原则等)
  • matlab使用 BP 神经网络进行数据预测的完整流程,包括数据读取、数据预处理等等
  • systemd-networkd NetworkManager 介绍
  • 本地部署项目管理工具 Leantime 并实现外部访问
  • PHP cURL 函数初学者完全指南
  • C#中的Array数组,List集合和ArrayList集合--07
  • 基于深度学习的视觉检测小项目(十三) 资源文件的生成和调用
  • 硬件实用技巧:TPS54331DR横杠标识识别1引脚
  • 《C++11》nullptr介绍:从NULL说起
  • 自然语言处理基础:全面概述
  • 网络安全的几种攻击方法
  • 国内源快速在线安装qt5.15以上版本。(10min安装好)(图文教程)
  • 【pycharm发现找不到python打包工具,且无法下载】
  • C++ QT 自绘表盘
  • 数据科学与数据工程:两者的区别与交集
  • MAC AndroidStudio模拟器无网络
  • PHP语言的多线程编程
  • 当自动包布机遇上Profinet转ModbusTCP网关,“妙啊”,工业智能“前景无限
  • 浅析大语言模型安全和隐私保护国内外标准和政策