ROS功能包:livox_camera_lidar_calibration提供了一個手動校準Livox雷達和相機之間外參的方法，已經(jīng)在Mid-40，Horizon和Tele-15上進行了驗證。

其中包含了計算相機內(nèi)參，獲得標定數(shù)據(jù)，優(yōu)化計算外參和雷達相機融合應用相關的代碼。

本方案中使用了標定板角點作為標定目標物，由于Livox雷達非重復性掃描的特點，點云的密度較大，比較易于找到雷達點云中角點的準確位置。相機雷達的標定和融合也可以得到不錯的結果。

image_width: 1024image_height: 960camera_name: narrow_stereocamera_matrix:  rows: 3  cols: 3  data: [725.710429, 0.000000, 511.420214, 0.000000, 725.718815, 479.632811, 0.000000, 0.000000, 1.000000]distortion_model: plumb_bobdistortion_coefficients:  rows: 1  cols: 5  data: [0.000047, 0.000106, 0.000019, 0.000009, 0.000000]rectification_matrix:  rows: 3  cols: 3  data: [1.000000, 0.000000, 0.000000, 0.000000, 1.000000, 0.000000, 0.000000, 0.000000, 1.000000]projection_matrix:  rows: 3  cols: 4  data: [725.828125, 0.000000, 511.433189, 0.000000, 0.000000, 725.827393, 479.658265, 0.000000, 0.000000, 0.000000, 1.000000, 0.000000]

• 其中camera_matrix 是3x3的內(nèi)參矩陣
• distortion_coefficients 是５個畸變糾正參數(shù)
  這個信息在之后會用到,通過相機內(nèi)參校正后的圖片與雷達的數(shù)據(jù)進行同名點選取.

在完成了前幾篇博客的內(nèi)容后,下面需要做的就是相機和激光雷達標定數(shù)據(jù)的采集.

采集激光雷達和相機的初始標定數(shù)據(jù)

在gazebo中搭建的標定場景里,用一個矩形的標定板其中的四個角作為目標物,尺寸是2*2.5m。

標定場景搭建的鏈接在這里，需要做的是 :選取至少10個左右不同的角度和距離來擺放標定板,左右位置和不同的偏向角度最好都有采集數(shù)據(jù)。

每個位置保存一張圖片和10s左右的rosbag即可

檢查標定板是否在點云中,可以使用如下指令:

roslaunch livox_ros_driver livox_lidar_rviz.launch

需要livox 的 點云消息格式是customMsg，可以通過下面的指令檢查下

rostopic info /livox/lidar

同時需要檢查下標定板是否在照片中,使用如下指令:

rqt_image_view

下面讓無人機飛起來,大致在朝向標頂板的中心

檢測下數(shù)據(jù)沒問題開始采集，可以用rqt_image_view保存圖片,用rosbag record /livox/lidar記錄雷達數(shù)據(jù)。

• 將采集的照片放在data/photo文件夾下
• 雷達rosbag放在data/lidar文件夾下

所以在data文件夾下新建這個兩個文件夾,然后保存數(shù)據(jù),為了數(shù)據(jù)好對應,可以直接用123命名

然后將標定板旋轉一定角度再次采集數(shù)據(jù).如何直接旋轉,在上一篇博客中有操作。

重復上面的采集過程,繼續(xù)操作,可以在一個位置,進行3個角度的變換姿態(tài)采集,這樣一個位置是4組數(shù)據(jù)

之后移動標定板的位置到左上,再采四組數(shù)據(jù)

移動標定板的位置到右下,再采四組數(shù)據(jù)

所以我是采了12組數(shù)據(jù),對應這12個雷達的rosbag

至此相機和激光雷達的初始標定數(shù)據(jù)就采集完成了