kitti数据集中calib.txt文件各参数含义

滴滴哒哒答答

已于 2024-08-08 17:38:18 修改

阅读量2.4k

点赞数 13

文章标签：笔记

于 2024-01-18 18:27:59 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_49384824/article/details/135680792

版权

本文详细解析了Kitti数据集calib.txt文件中各参数的意义，包括相机内参矩阵、外参矩阵及基线长度计算，提供了一个清晰的理解路径。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在学习视觉SLAM14讲ch13代码部分使用到Kitti数据集，在此对数据集中calib.txt文件各参数含义进行解释

Kitta/data_odometry_gray/dataset/sequences/00/calib.txt文件

其中：

        P0代表0号相机左边灰度相机
        P1代表1号相机右边灰度相机
        P2代表2号相机左边彩色相机
        P3代表3号相机右边彩色相机

接下来解释Pi中12个数字的含义

Pi矩阵是当世界坐标系和参考相机0的坐标系重合时(实际上世界坐标系和 Cam0 坐标系不重合)的投影矩阵，可以理解为相机 i 的内参矩阵 * 相机0相对于相机i的外参矩阵

$P_{i}=K_{i}T_{i0}=K_{i}[R_{i0}\, \, \, t\,_{i0}]$

对于相机1、2、3而言，相机0相对于他们的外参数旋转矩阵为单位矩阵 I ，即：

$R_{i0}=\begin{bmatrix} 1 & 0& 0\\ 0& 1& 0\\ 0& 0& 1 \end{bmatrix}$

即有：

$P_{i}=K_{i}T_{i0}=[K_{i}\, \, \, K_{i}t\,_{i0}]$

根据文件calib.txt文件可得

相机0，1，2，3的内参矩阵为：

$K_{0}=K_{1}=K_{2}=K_{3}$

$=\begin{bmatrix} 7.188560000000e+02& 0& 6.071928000000e+02\\ 0& 7.188560000000e+02& 1.852157000000e+02\\ 0& 0& 1 \end{bmatrix}$

下面计算相机0和相机1的外参中的平移向量 t ，由上式可得：

$K_{0}t\,_{w0}=\begin{bmatrix} 0\\ 0\\ 0 \end{bmatrix},K_{1}t\,_{10}=\begin{bmatrix} -3.861448000000e+02\\ 0\\ 0 \end{bmatrix}$

即相机0和相机1的外参中的平移向量 t 为：

$t\,_{w0}=\begin{bmatrix} 0\\ 0\\ 0 \end{bmatrix},t\,_{10}=\begin{bmatrix} -0.537166\\ 0\\ 0 \end{bmatrix}$

即相机0和相机1的基线 b 的长度为：

$b=\begin{Vmatrix} t\,_{10} \end{Vmatrix}_{2}=0.537166(m)$

由最上面第二张图片可得，Cam0(gray)和Cam1(gray)的基线长度 b 为0.54米，计算结果准确。

$t\,_{20}=\begin{bmatrix} 0.059939\\ -0.001131\\ 0.003780 \end{bmatrix},t\,_{30}=\begin{bmatrix} -0.471829\\ 0.002494\\ 0.003112 \end{bmatrix}$

参考：

【KITTI数据集Odometry序列00-10标定文件中的参数关系解读】

kitti数据集的标定文件

评论 4

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。