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