雷达的标定 --- 雷达到相机（Lidar2Cam）标定 和 雷达到本体（Lidar2Baselink）标定的相关原理以及实现步骤

目录

[一、雷达 - 相机（Lidar2Cam）标定](#一、雷达 - 相机（Lidar2Cam）标定)

1、整体原理

2、分步完整流程

（1）前置准备

[（2）步骤 1：标定板规范摆放](#（2）步骤 1：标定板规范摆放)

[（3）步骤 2：雷达端提取标定板平面点云](#（3）步骤 2：雷达端提取标定板平面点云)

[（3）步骤 3：相机端解算标定板视觉位姿](#（3）步骤 3：相机端解算标定板视觉位姿)

（4）多组数据采集与优化求解

（5）标定结果校验

3、关键约束与特点

4、相关的实现代码

[二、雷达 - 本体（Lidar2Baselink）标定](#二、雷达 - 本体（Lidar2Baselink）标定)

1、整体原理

2、分步完整流程

（1）前置准备

[（2）步骤 1：基准场景整平与标定板固定摆放](#（2）步骤 1：基准场景整平与标定板固定摆放)

[（3）步骤 2：人工测量基准位姿​编辑](#（3）步骤 2：人工测量基准位姿编辑)

[（4）步骤 3：雷达截取纯净标定板点云](#（4）步骤 3：雷达截取纯净标定板点云)

[（5）步骤 4：多帧点云采样优化](#（5）步骤 4：多帧点云采样优化)

[（6）步骤 5：结果落地与验证](#（6）步骤 5：结果落地与验证)

3、相关的实现代码

[三、雷达和相机 - 本体标定的异同](#三、雷达和相机 - 本体标定的异同)

1、相同点

2、不同点

---

一、雷达 - 相机（Lidar2Cam）标定

1、整体原理

2、分步完整流程

（1）前置准备

1. 相机提前完成内参 + 畸变标定（获取相机内参矩阵 K、畸变系数 dist），无准确内参会导致图像标定板位姿解算完全失真；
2. 使用带 ArUco 码的 ChArUco 标定板，板面平整刚性无形变；雷达、相机均刚性固定在机器人本体，无晃动偏移。

（2）步骤 1：标定板规范摆放

将 ChArUco 标定板放置在雷达、相机共同视野内，距离设备 1.2~2m；调整支架使标定板对角线垂直地面，板面正对设备，保证雷达能打出完整板面点云、相机完整拍到整张标定板。

（3）步骤 2：雷达端提取标定板平面点云

这里的空间坐标阈值框选范围应该怎么定

• 先把雷达点云在 x/y/z 三个轴上可视化，确认标定板大概处于什么范围。然后先给一个"粗框 "，把标定板连同附近少量背景一起框进来。这个框的原则是：宁可略大，不要太小 ，否则容易把板角、边缘点裁掉。CropBox / AxisAlignedBoundingBox 本身就是按一个盒子来保留盒内点。
• 再在粗框结果上做"细框 "或者平面分割。对 Lidar2Cam 来说，通常先裁出标定板附近点云，再用 RANSAC 拟合平面，把最大的板面保留下来；Open3D 的 segment_plane(distance_threshold, ransac_n, num_iterations) 就是干这个的。
• 如果做的是 Lidar2BaseLink，目标通常是"尽可能干净的标定板点云"，所以框选范围要比 Lidar2Cam 更紧一些，重点是去掉墙面、底座、支架和地面干扰。Open3D 的裁剪接口支持按盒子直接截取点云，裁剪后再做平面提取或连通域筛选会更干净。

一个经验原则是：

• x 方向：通常对应雷达前方距离，先把板子所在的距离段圈住；
• y 方向：通常对应左右范围，给板子左右留一点余量；
• z 方向：通常对应高度，尽量只包住板子上下边界和少量误差。

如果板子朝向变化大，就不要只靠固定轴向阈值，而要先把点云转换到"板子局部坐标系"再框选。这里最好写一个上位机可视化程标定工具，对该空间坐标阈值框选范围进行框选和可视化。

（3）步骤 3：相机端解算标定板视觉位姿

（4）多组数据采集与优化求解

（5）标定结果校验

3、关键约束与特点

1. 单姿态数学上可解，但工程必须多帧降噪；
2. 雷达平面拟合精度、相机角点精度是两大误差来源；
3. 标定板必须同时完整出现在雷达视场、相机视场重叠区域。

4、相关的实现代码

这里最好集成一个上位机可视化程标定工具，然后包含雷达端提取标定板平面点云（空间坐标阈值框选范围）以及标定。

二、雷达 - 本体（Lidar2Baselink）标定

1、整体原理

2、分步完整流程

（1）前置准备

1. 雷达刚性锁死在机器人机身 / 底盘，运动无位移形变；
2. 沿用同一块 ChArUco 标定板，搭配激光水平仪、激光测距尺做基准测量。

（2）步骤 1：基准场景整平与标定板固定摆放

1. 墙面抵靠标定板，激光水平仪对齐地面基准缝线，调平标定板姿态，保证板面竖直、中心线水平；
2. 机器人整机正对标定板，激光基准线穿过底盘中心线，机器人停靠距离标定板 2~3m（比相机 - 本体标定更远），全程机器人站位不再移动。

（3）步骤 2：人工测量基准位姿

（4）步骤 3：雷达截取纯净标定板点云

这里的"雷达截取纯净标定板点云"。它的重点不是"找平面"，而是尽可能只保留标定板本身，让后续你去做雷达到本体的外参求解时，点云更干净。

这类场景里，框选范围一般比 Lidar2Cam 更紧：因为你已经有了比较固定的安装场景，雷达和机器人本体的位置关系也更稳定，所以可以把板子周围的杂点压得更少。下面这个实现就是"先框选、再纯化"的写法。

这里也是最好是有一个上位机可视化程标定工具，方便进行截取纯净标定板点云。

（5）步骤 4：多帧点云采样优化

（6）步骤 5：结果落地与验证

3、相关的实现代码

这里最好集成一个上位机可视化程标定工具，然后包含雷达截取纯净标定板点云以及标定。这里的雷达 - 本体（Lidar2Baselink）标定可以和上述的雷达 - 相机（Lidar2Cam）标定做出一个通用的上位机可视化程标定工具。

三、雷达和相机 - 本体标定的异同

1、相同点

2、不同点