【标定】手动标定步骤

标定步骤(简):

打开sscom,播放静态数据包。

然后打开udp_server和同目录下的calibration。


标定步骤(具体):

输入原始数据 打点仪 把角点绝对坐标 保存下来 ,放到calibration里,这个就会把白条显示出来。通过矩阵转换成车体坐标 用激光雷达录角点,现在需要激光雷达坐标转车体坐标的矩阵参数。 播放激光雷达角点包,播放打点仪的marker角点数据。打开udp_server,用调试助手发尝试的矩阵参数(一串数),后六位是要修改的,调整后6位数,使角点对准,要激光雷达点云去对准白边。 先调旋转,后调平移 建图用的是车体坐标。得到的6位数用于建图,把图转到大地坐标系下。

原:

1673233412.311108,

569413.668483,

4501248.827925,

478.057000,

-0.002853,

-0.005739,

-0.483702,

-0.875209,

-0.508598,

0.01751,

9.55846,

-0.003841,

-0.004833,

-0.001413,

0.003643,

0.01093,

2.623682,

0.000000,

-4.6,5,2.07,    0.144,-0.001,1.398

本次:
        timestamp_sec >> imu.linear_acceleration_covariance[0] ;  1667462139.552518

        position_x >> imu.linear_acceleration_covariance[1] ;  569411.852616


        position_y >> imu.linear_acceleration_covariance[2] ;  4501243.204744


        position_z >> imu.linear_acceleration_covariance[3] ;478.004

        orientation_qx >> imu.orientation.x ;  x: -0.000296

        orientation_qy >> imu.orientation.y ;  y: -0.00767


       orientation_qz >> imu.orientation.z ;  z: -0.427651

       orientation_qw >> imu.orientation.w ;  w: -0.903911


        linear_acceleration_x >> imu.linear_acceleration.x ;    x: 0.243068


        linear_acceleration_y >> imu.linear_acceleration.y;   y: 0.005031


        linear_acceleration_z >> imu.linear_acceleration.z;   z: 9.850335

        angular_velocity_x >> imu.angular_velocity.x ;    x: -0.011383


        angular_velocity_y >> imu.angular_velocity.y;    y: 0.004438


        angular_velocity_z >> imu.angular_velocity.z;    z: -0.004261



        euler_angles_x >> imu.angular_velocity_covariance[0] ;0.013614


        euler_angles_y >> imu.angular_velocity_covariance[1] ;0.007095


        heading >> imu.angular_velocity_covariance[2] ;2.454561


        speed_mps >> imu.linear_acceleration_covariance[4];  3e-10
        
       


        x_trans_value >> imu.angular_velocity_covariance[3];


        y_trans_value >> imu.angular_velocity_covariance[4];


        z_trans_value >> imu.angular_velocity_covariance[5];


        x_rotate_value >> imu.angular_velocity_covariance[6];


        y_rotate_value >> imu.angular_velocity_covariance[7];


        z_rotate_value >> imu.angular_velocity_covariance[8];


dxg1

4501423.968

569827.971

366.530

dxg2

4501426.962

569895.216

362.452

dxg3

4501441.94114

569957.936

357.248

dxg4

4501480.448

570019.752

353.428

dxy5

4501511.713

570053.782

347.403

  • 23
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
张正友标定法是一种相机标定方法,它是基于平面物体的多点共面条件的。该方法可以通过多组图像和已知世界坐标系下的控制点,得到相机的内参矩阵和外参矩阵。该方法相对于其他标定方法具有精度高、计算简单等优点,在计算机视觉领域中得到广泛应用。 实现步骤如下: 1. 准备标定板:使用一个平面的标定板,并在标定板上划分出多个等距离的方格,每个方格内部都有一个黑色的圆点或者交叉线。 2. 拍摄多组图像:将标定板放在不同的位置和角度下,拍摄多组图片。要求拍摄时相机不动,仅改变标定板的位置和角度。 3. 提取角点:对每一张图片,使用角点提取算法(如OpenCV中的findChessboardCorners函数)提取出图片中所有方格的角点。这里需要注意,角点的提取过程中可能出现角点提取不全或者误差较大的情况,需要手动进行修正。 4. 标定相机:使用张正友标定法对相机进行标定。具体来说,需要先将每张图片中提取出的角点与对应的已知世界坐标系下的控制点进行匹配,然后使用OpenCV中的calibrateCamera函数求解相机的内参矩阵和外参矩阵。 5. 检验标定结果:使用标定得到的内参矩阵和外参矩阵对新的图片进行畸变校正和三维重建,检验标定结果的准确性。 需要注意的是,标定板的尺寸和角点数量应该根据实际应用场景进行调整,以达到最好的标定效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DFminer

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值