Apollo 2.0 传感器标定方法使用指南【相机到64线激光雷达的标定】

最新推荐文章于 2024-08-17 14:11:17 发布

PaQiuQiu

最新推荐文章于 2024-08-17 14:11:17 发布

阅读量5.7k

点赞数 4

一、准备工作

1.下载标定工具，并解压缩到`$APOLLO_HOME/modules/calibration“目录下。（APOLLO_HOME是apollo代码的根目录）

2.相机内参文件

内参包含相机的焦距、主点和畸变系数等信息，可以通过一些成熟的相机标定工具来获得，例如 ROS Camera Calibration Tools 和 Camera Calibration Toolbox for Matlab。内参标定完成后，需将结果转换为 .yaml 格式的文件。下面是一个正确的内参文件样例：

header: 
  seq: 0
  stamp: 
secs: 0
nsecs: 0
  frame_id: short_camera
height: 1080
width: 1920
distortion_model: plumb_bob
D: [-0.535253, 0.259291, 0.004276, -0.000503, 0.0]
K: [1959.678185, 0.0, 1003.592207, 0.0, 1953.786100, 507.820634, 0.0, 0.0, 1.0]
R: [1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]
P: [1665.387817, 0.0, 1018.703332, 0.0, 0.0, 1867.912842, 506.628623, 0.0, 0.0, 0.0, 1.0, 0.0]
binning_x: 0
binning_y: 0
roi: 
  x_offset: 0
  y_offset: 0
  height: 0
  width: 0
  do_rectify: False

我们建议每一只相机都需要单独进行内参标定，而不是使用统一的内参结果。这样可以提高外参标定的准确性。

3.初始外参文件

本工具需要用户提供初始的外参值作为参考。一个良好的初始值可以帮助算法得到更精确的结果。下面是一个正确的相机到激光雷达的初始外参文件样例，其中translation为相机相对激光雷达的平移距离关系，rotation为旋转矩阵的四元数表达形式：

header:
  seq: 0
  stamp:
    secs: 0
    nsecs: 0
  frame_id: velodyne64
child_frame_id: short_camera
transform:
  rotation:
    y: 0.5
    x: -0.5
    w: 0.5
    z: -0.5
  translation:
    x: 0.0
    y: 1.5
    z: 2.0

注意：相机到激光雷达的标定方法比较依赖于初始外参值的选取，一个偏差较大的外参，有可能导致标定失败。所以，请在条件允许的情况下，尽可能提供更加精准的初始外参值。

4.标定场地

我们的标定方法是基于自然场景的，所以一个理想的标定场地可以显著地提高标定结果的准确度。我们建议选取一个纹理丰富的场地，如有树木，电线杆，路灯，交通标志牌，静止的物体和清晰车道线。图1是一个较好的标定环境示例：

5.所需Topics

确认程序所需传感器数据的topics均有输出。如何查看传感器有数据输出？

| 传感器           | Topic名称            | Topic发送频率（Hz）  |
| Short_Camera    | /apollo/sensor/camera/traffic/image_short          | 9  |
| Velodyne HDL64  | /apollo/sensor/velodyne64/compensator/PointCloud2  | 10 |
| INS | /apollo/sensor/gnss/odometry     |    100 |
| INS | /apollo/sensor/gnss/ins_stat     |    2   |

二、标定流程

所有标定程序需要用到车辆的定位结果。请确认车辆定位状态为56，否则标定程序不会开始采集数据。输入以下命令可查询车辆定位状态：

rostopic echo /apollo/sensor/gnss/ins_stat

1.运行方法

使用以下命令来启动标定工具：

cd /apollo/scripts
bash sensor_calibration.sh lidar_camera

2.采集标定数据

为避免时间戳不同步，在录制数据的时候，尽量将车辆进行慢速行驶，可以有效地缓解因时间差异所引起的标定问题。
相机中需看到一定数量的投影点云，否则该工具将无法进行外参标定运算。因此，我们建议使用短焦距相机来进行相机-激光雷达的标定。

3.配置参数

配置文件保存在以下路径，详细说明请参照表。

/apollo/modules/calibration/lidar_camera_calibrator/conf/lidar_camera_calibrtor.conf

4.输出内容

外参文件：相机到64线激光雷达的外参文件。
验证参考图片：两张激光雷达点云利用标定结果外参投影到相机图像上的融合图像，分别是依据点云深度渲染的融合图像，和依据点云反射值渲染的融合图像。

三、标定结果获取

所有标定结果均保存在配置文件中所设定的 output 路径下，标定后的外参以 yaml 格式的文件提供。此外，根据传感器的不同，标定结果会保存在 output 目录下的不同文件夹中，具体如下表所示：

四、标定结果验证

当标定完成后，会在 [output]/validation 目录下生成相应的标定结果验证图片。下面会详细介绍每一类验证图片的基本原理和查看方法。

基本方法：在产生的点云投影图像内，可寻找其中具有明显边缘的物体和标志物，查看其边缘轮廓对齐情况。如果50米以内的目标，点云边缘和图像边缘能够重合，则可以证明标定结果的精度很高。反之，若出现错位现象，则说明标定结果存在误差。当误差大于一定范围时（范围依据实际使用情况而定），该外参不可用。
结果示例：如下图所示，图1为准确外参的点云投影效果，图2为有偏差外参的点云投影效果