目录

使用LIO-SAM进行点云赋色 与 激光雷达和相机的精细化标定(防止自己忘记的博客)----- 激光雷达和相机的精细化标定

目录

[1 标定相机](#1 标定相机)

[2 激光雷达、相机粗标定](#2 激光雷达、相机粗标定)

[3 精细化标定激光雷达和相机](#3 精细化标定激光雷达和相机)


1 标定相机

使用Kaliber标定D435i相机,本次标定的分辨率为1920*1080,相机的内参如下:

FX:1439.96402547

FY:1442.82612329

CX:979.00103052

CY:565.47085426

K1:0.10055069

K2:-0.2034116

P1:0.00245444

P2:-0.00117788

由于做点云赋色,并不要求VIO性能,因此重投影误差不要求很小,本次重投影误差为2pixel:

2 激光雷达、相机粗标定

使用autoware的雷达相机标定工具,粗略的求出Lidar->Camera和Camera->Lidar的旋转平移变换:

Tcl

\[-0.06861033 -0.99751013 -0.01631455 0.03627205

0.03137146 0.01418779 -0.99940709 -0.03832164

0.99715017 -0.06908146 0.03031992 -0.03982055

0. 0. 0. 1. \]

Tlc

\[-0.06861033 0.03137146 0.99715016 0.04339791

-0.99751013 0.0141878 -0.06908146 0.03397458

-0.01631454 -0.9994071 0.03031992 -0.0364998

0. 0. 0. 1. \]

3 精细化标定激光雷达和相机

使用录制好的标定包,删除掉工作空间的这三个文件夹的内容:

在外刷新ROS环境。并进入clion:

启动groundremove节点,并播放标定用包。位置在/bag/PatchmatchNet-main/data/清明/assistBD.bag中。

得到了拆分的雷达点云和图像:

得到拆分图像后,运行/home/liuhongwei/catkin_mask/src/predict_in_lvi.py文件,执行DetectMask函数,将文件夹换成mask文件夹。

执行。得到标定的mask信息。

在assistBiaoding.cpp中,将相机参数换掉。

代码的57-59行替换雷达->相机的变换矩阵。

27-33行读入邻近的帧

原本的标定结果是这样的,需要调整,对齐图像:

得到精细化标定结果:

选择另外图像进行微调:

微调成功!标定成功!

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
知舟不叙34 分钟前
OpenCV阈值处理详解
人工智能·opencv·计算机视觉
C66668881 小时前
CogPatInspectTool工具
人工智能·计算机视觉·视觉检测
cosX+sinY2 小时前
ubuntu 20.04 编译运行LeGo_LOAM 跑数据集 并且保存pcl文件
linux·ubuntu·机器人·bash
cosX+sinY3 小时前
ubuntu 20.04 编译和运行SC-LeGo-LOAM
linux·ubuntu·机器人·bash
蹦蹦跳跳真可爱5893 小时前
Python----计算机视觉处理(Opencv:道路检测完整版:透视变换,提取车道线,车道线拟合,车道线显示,)
开发语言·人工智能·python·opencv·计算机视觉
羑悻的小杀马特4 小时前
用 OpenCV 给图像 “挑挑拣拣”,找出关键信息!
人工智能·opencv·计算机视觉·关键词提取
脑洞专家13 小时前
基于改进的点线融合和关键帧选择的视觉SLAM 方法
人工智能·机器学习·计算机视觉
HCZJNB17 小时前
泓川证券|外骨骼机器人落地场景丰富 市场空间广阔
人工智能·机器人
xinxiangwangzhi_17 小时前
多视图几何--立体校正--Fusiello方法
图像处理·数码相机·算法·计算机视觉
Coovally AI模型快速验证18 小时前
GPT-4o从语义分割到深度图生成,大模型狂潮下的计算机视觉:技术进步≠替代危机
人工智能·gpt·神经网络·目标检测·计算机视觉·目标跟踪