参考:
- https://blog.csdn.net/learning_tortosie/article/details/79901255
- https://blog.csdn.net/learning_tortosie/article/details/82347694
- https://blog.csdn.net/X_kh_2001/article/details/89163659?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
- 相机标定的原理及各个坐标系之间的关系可参见之前的博客,这里直接介绍工程实践部分。
- 相机标定可通过 matlab、OpenCV、ROS 三种方式进行。使用 OpenCV 进行标定可参见之前的博客,这里直接介绍基于 ROS 的方式标定单目相机。
- ROS 官方提供了camera_calibration 包,通过这个包可以使用棋盘标定板对单目和双目相机进行标定。
一、准备工作:
- 系统环境:Ubuntu16.04
- 本教程是基于 usb_cam 包读取图像,因此需要提前安装 usb_cam 驱动,参见:https://github.com/ros-drivers/usb_cam
- 安装 camera_calibration 功能包:
sudo apt-get install ros-kinetic-camera-calibration
(很多博客以及维基教程都是使用 rosdep install camera_calibration 来安装,但是我的出现 ERROR: Rosdep cannot find all required resources to answer your query 错误,经过一番搜索好像是因为 ros 环境变量中所有的路径都没有该功能包,而不是没有 source devel/setup.bash) - 准备一个已知尺寸的标定板,本实验使用的是 7X9(列X行),边长为 10cm 的棋盘标定板。由于标定过程使用的是棋盘内部的角点进行,所以实际上我们使用的是 8X10 的棋盘标定板 。
- 一个通过ROS发布图像的单目相机。
(以下步骤基本是ROS wiki教程的翻译,更多细节请移步官方教程。另外推荐一个标定工具 Kalibr ,可以实现Multiple camera calibration、Camera-IMU calibration、Rolling Shutter Camera calibration。)
二、相机标定:
- 启动摄像头驱动节点:
rosrun usb_cam usb_cam_node
!!!注意:确定你使用的video_id,可利用如下命令查看:
ls /dev/video*
一般笔记本电脑自带的摄像头id为0,外接的摄像头id为1。然后根据需要修改usb_cam/src/usb_cam/launch/usb_cam-test.launch
里面的<param name="video_device" value="/dev/video1" />
。每次修改完成后,先运行:
roslaunch usb_cam usb_cam-test.launch
查看启动的设备是否正确,若正确则关掉再运行:rosrun usb_cam usb_cam_node
打开驱动:
2. 查看图像是否发布:
rostopic list #列出 topic 确保相机正在通过ROS发布图像
这会显示所有已发布的topic,检查是否有image_raw topic。以下是本实验的相机topic:
/usb_cam/camera_info
/usb_cam/image_raw
/usb_cam/image_raw/compressed
/usb_cam/image_raw/compressed/parameter_descriptions
/usb_cam/image_raw/compressed/parameter_updates
/usb_cam/image_raw/compressedDepth
/usb_cam/image_raw/compressedDepth/parameter_descriptions
/usb_cam/image_raw/compressedDepth/parameter_updates
- 新开一个终端,运行标定节点:
rosrun camera_calibration cameracalibrator.py --size 7x9 --square 0.1 image:=/usb_cam/image_raw camera:=/head_camera --no-service-check
此命令运行标定结点的python脚本,其中 :
(1)–size 7x9 为棋盘内部角点的个数,方格几列几行(需要减1),比如我的标定板方格是8X10,则siez为7x9。
(2)–square 0.1为每个棋盘格的边长
!!!注意:7x9中间不能用“*”,是字母“x”。ROS支持使用多个标定板来进行标定,请根据需要输入复数个–size和–square。
(3)image:=/usb_cam/image_raw 为当前订阅的图像来自名为/usb_cam/image_raw的topic
(4)camera:=/head_camera为摄像机名(我试过写camera:=/camera也可以,目前还不知道是什么原因…)
(5)加上–no-service-check是因为一开始运行后出现下面的错误,参考官网加上此参数后就可正常显示:
('Waiting for service', '/camera/set_camera_info', '...')
Service not found
这将打开标定窗口,如下图所示:
4. 移动标定板:
- 为了达到良好的标定效果,需要在摄像机周围移动标定板,并完成以下基本需求:
(1)移动标定板到画面的最左、右,最上、下方。
(2)移动标定板到视野的最近和最远处。
(3)移动标定板使其充满整个画面。
(4)保持标定板倾斜状态并使其移动到画面的最左、右,最上、下方 。 - 当标定板移动到画面的最左、右方时,此时,窗口的x会达到最小或满值。同理,y指示标定板的在画面的上下位置,size表示标定板在视野中的距离,也可以理解为标定板离摄像头的远近。skew为标定板在视野中的倾斜位置。每次移动之后,请保持标定板不动直到窗口出现高亮提示。
- 直到条形变为绿色。当calibration按钮亮起时,代表已经有足够的数据进行摄像头的标定,此时请按下calibration并等待一分钟左右,标定界面会变成灰色,无法进行操作,属于正常情况。
- 获得标定结果:
- 在标定完成后,终端会输出校正结果。如下所示:
其中,K为相机内参矩阵,distortion为畸变系数矩阵。
camera matrix:摄像头的内部参数矩阵
distortion:畸变系数矩阵
rectification:矫正矩阵,一般为单位阵
projection:外部世界坐标到像平面的投影矩阵 - 点击SAVE按钮。
- 如果对标定结果满意,点击COMMIT按钮将结果保存到默认文件夹,终端输出如下信息,说明标定结果已经保存在相应文件夹下。下次启动usb_cam节点时,会自动调用。
('Wrote calibration data to', '/tmp/calibrationdata.tar.gz')
其中ost.yaml文件即为相机内参的标定文件。
拓展(Autoware的相机内参标定):
上述操作均为使用官方的usb_cam驱动和camera_calibration包进行标定,获得的标定文件格式和使用Autoware得到的略有不同。因此,若后续还需利用Lidar和camera进行外参的联合标定,则建议使用Autoware中的相机内参标定程序来完成,步骤如下(Autoware的安装可参考之前的博客):
- 启动摄像头驱动节点:
rosrun usb_cam usb_cam_node
此时发布的图像topic为:/usb_cam/image_raw
- 运行Autoware的相机标定节点:
cd autoware.ai
source install/setup.bash
rosrun autoware_camera_lidar_calibrator cameracalibrator.py --size 7x9 --square 0.1 image:=/usb_cam/image_raw camera:=/camera --no-service-check
- 标定完成后,点击SAVE按钮,标定结果会保存在home文件夹下,名称类似为20200809_1639_autoware_camera_calibration.yaml:
- 也可参考此博客利用SmartCAR中的工具进行标定。