NCLT 数据集使用总结

传感器概述

• Lidar：Velodyne， 32 线，10Hz
• Camera： 5Hz，有六个方向
• Imu： 9轴，100Hz

传感器外参

各个传感器外参，相对于body系：

相机参数

LadyBug3 由六个相机组成，每个相机相对于Ladybug3 Base的外参以及内参：

相机去畸变参数：

NCLT数据集的去畸变参数比较奇特，不是给出K1、K2、P1、P2、K3，而是给出去畸变前后像素的对应关系，即 X_undistort Y_undistort X_distort Y_distort ，所以跑算法时不能直接填去畸变参数，而应该自己先处理一下图片，去畸变。

其他思路：可以通过map，算出去畸变参数吗？

IMU参数

IMU的零偏和噪声还没找到。

各序列总结

其他

• velodyne_sync里的点云已经完成时间同步，有对应的照片，但是频率较低，远低于10Hz（5Hz以下）；velodyne_hits.bin则不是以帧的形式存储，以packet的形式存储，在开源算法上比较难跑。

推荐工具

• 把数据集转化为ros bag、轨迹可视化：bierschi/nclt2ros: provides nodes for converting the nclt dataset to ROS (github.com)

  此工具在使用过程中遇到了一些问题：

  • 转化出来的bag的图片话题的时间戳为0（用rqt_bag查看），因此需要在image_data.py 的 write_image() 函数里加上 img_msg.header.stamp = timestamp 。
  • bag用的是同步后的lidar数据，因此lidar频率较低。

• 把数据集转化为ros bag ，外参计算等工具：ethz-asl/nclt_tools (github.com)