slam入门1：单目相机与2D激光联合标定_automatic camera and range sensor calibration usin-CSDN博客

本文链接：https://blog.csdn.net/Zkangsen/article/details/95224935

参考论文：《Extrinsic Calibration of a Camera and Laser Range Finder (improves camera calibration)》

博客参考：博客

论文介绍：这篇论文虽然是2004年的，但是很有名，后面的很多相关论文都参考了它。论文中，相机通过棋盘格或二维码估计标定板平面在相机坐标系下的平面方程，由于激光点落在标定板平面上，将激光点通过激光坐标系到相机坐标系的变换矩阵 Tcl 转换到相机坐标系，构建相机图像中的点到平面的距离作为误差，使用非线性最小二乘进行求解，最后论文又对相机内参进行了标定，个人感觉，这个内参不如单独标定。

论文总结如下：

其他参考论文：

1、《Reliable Automatic Camera-Laser Calibration》：没有什么新算法，主要是把别人的算法组合了一下，使标定更鲁棒一些，在棋盘格图像预处理上下了功夫，使标定板网格角点提取更精确、稳定，相机标定用的Bouguet的方法（J.-Y. Bouguet. Camera calibration toolbox for matlab, 2010）。在相机与激光标定部分，对激光数据做了些预处理，主要是将激光数据进行了前景和背景分割，自动找到标定板上的激光点，然后就是类似上面2004年论文的标定流程了。

2、《An Algorithm for Extrinsic Parameters Calibration of a Camera anda Laser Range Finder Using Line Features》：与上面详细介绍的流程相似，该论文主要提出了一种新型标定板，直角三角型标定板（长得像个指示路标的大箭头），强行讨论了点、线、面三种特征的优劣（这块不明觉厉，没看懂），然后选择线特征，在进行camera与laser联合标定时，非线性优化部分的误差函数不同于上面2004年的论文，它是将落在标定板边缘上的激光点与标定板边缘线的距离作为优化对象来求解的（是点到线的距离），从论文结果上看，标定精度确实优于04年的论文。

3、《Automatic Camera and Range Sensor Calibration using a single Shot》：这篇论文还是挺厉害的，主要是相机与相机标定，深度相机与3D激光标定，算法比较复杂，论文主要利用了一张视图中有多个棋盘格标定板，标定板姿态各不相同，所以利用一张视图就可以进行标定，省的将标定板各种姿态转来转去，论文开放了Matlab代码，有兴趣可以看一下。