单目相机使用kalibr标定全流程

相机4Hz下使用标定板录取bag包

（可以预先调整相机各项参数如曝光频率等）
（参数在哪里找，我是从驱动相机的launch文件里面找到对应的yaml配置文件，修改对应的yaml配置文件相应的代码就可以改图片大小曝光频率等参数）

#先开相机，然后
rosbag record /topic 

（这里的topic是相机话题，可以先打开相机看一下话题名称再录制）

rostopic list #列出当下所有topic

然后开始采集标定数据
采集单目标定数据时，注意：
1.标定板的位姿尽量丰富一些，让tag尽量均匀分布在图像里
2.将相机视野划为9宫格，在每个宫格里进行【正视、上翻、下翻、左翻、右翻】五种图像帧

下载编译kalibr

mkdir -p Kalibr_ws/src
cd Kalibr_ws/src
git clone --recursive https://github.com/ori-drs/kalibr

(网络不好可以预先下载拷贝过去然后解压)
然后回到kalibr_ws

catkin_make（catkin build -DCMAKE_BUILD_TYPE=Release -j4）

等待大约10分钟
（中间可能会报错缺少库，根据报错下载对应的库·再重新build）

将录好的bag包和标定板参数配置文件 XX.yaml放置在Kalibr_ws文件夹下

source devel/setup.bash
rosrun kalibr kalibr_calibrate_cameras --bag 1.bag --topics /HKRCams/Cam0 --models pinhole-radtan --target april_6x6_max.yaml

#checkboard 文件直接下载对应的或者直接写一个yaml文件
target_type: 'checkerboard' 
targetCols: 11                  
targetRows: 8                  
colSpacingMeters: 0.025               
rowSpacingMeters: 0.025  

 –bag包名 –topics话题名 --models 采用什么相机模型 –traget标定板参数
（需要根据实际进行修改）

     pinhole-fov： 针孔相机模型 + 视场（FOV）畸变模型，适合广角镜头。
     pinhole-radtan：径向和切向畸变模型（常见普通镜头）。
     omni-none： 全向相机无畸变。

校准报告结果（参考）

校准报告分析总结（参考）

1. 相机系统参数

 相机模型：DistortedPinholeCameraGeometry
     使用带有畸变的针孔模型
 畸变参数：
     [-0.0605, 0.0834, 0.0002, -0.0002]，标准差较小，表明畸变估计稳定。
     推测为径向畸变（k1, k2）和切向畸变（p1, p2）的组合（与pinhole-radtan模型一致）。
 内参（投影参数）：
     [fx=1276.74, fy=1277.02, cx=649.80, cy=519.71]，主点接近图像中心 （假设图像分辨率      为1280x1024）,符合预期。
 重投影误差：
     均值接近零，标准差约0.2像素，校准精度较高，属于优秀范围（通常 <0.5像素即可接
     受）。

2. 标定板配置

 类型：棋盘格（checkerboard），8行×11列，方格尺寸0.025米。

3. 位姿估计与误差分析

 位姿数据误差（第二页）：
 极坐标误差（第三页）：
     o误差随极角（0°~20°）增大略有上升，但整体保持在0.8像素以内。
     o高频区域（如极角>15°）误差稍高，可能与镜头边缘畸变补偿不足有关。
 方位角误差（第四页）：
     o误差在-100°~100°范围内分布均匀，无明显方向性偏差，表明校准模型对全方位角适应良好。

4. 重投影误差与异常点

 误差分布（第五页）：
     oX/Y方向误差集中在±0.5像素内，仅少数点超出±1.0像素（可能是异常点）。
     o图像索引（0~30）的误差趋势平稳，未出现系统性漂移。
 异常点（第六页）：
     o部分角点被移除（图中散点），可能由于运动模糊、标定板遮挡或检测错误导致。
     o异常点数量较少，对整体校准影响有限。