ubuntu/docker-autoware/rosbag离线相机激光雷达外参标定

最新推荐文章于 2024-09-22 14:31:39 发布

小白菜的点滴成长

最新推荐文章于 2024-09-22 14:31:39 发布

阅读量880

点赞数

分类专栏：自动驾驶人工智能外参标定文章标签： autoware 激光雷达相机外参标定重投影

本文链接：https://blog.csdn.net/qq_18894441/article/details/101570810

版权

本文介绍了如何在Docker版Autoware中使用ROSbag进行相机内参和激光雷达相机外参标定。首先安装docker-autoware并运行相关节点，然后通过cameracalibrator.py进行相机内参标定，接着使用camera_lidar_calibration.launch进行外参标定，最后探讨了重投影的过程和方法。整个过程强调了高反光物体选择和点对多样性的关键作用。

摘要由CSDN通过智能技术生成

可以使用autoware的小工具运行相关节点，也可以在终端运行，这里我只介绍后者。
1、首先安装docker版本的autoware，这里不赘述。
2、进入、运行docker-autoware
$ cd docker
$ cd generate
$ ./run（运行完即进入docker环境）
$ cd Autoware
3、使用autoware，相机内参标定：
3.1 docker-autoware终端运行
$ rosrun autoware_camera_lidar_calibrator cameracalibrator.py --square SQUARE_SIZE --size MxN image:=/image_topic
注：SQUARE_SIZE：单个棋盘格的大小，单位m；MXN：棋盘格的横纵角点数量；/image_topic：rosbag包发布的图像话题。
3.2 运行rosbag：$ rosbag play -l *******.bag(-l 为循环播放，为了保证采样量）
3.3 保存内参标定结果
在界面点击calibrate（按钮变为绿色之后），稍等片刻，终端会显示内参标定结果；点击save，会将内参标定结果保存在文件中，默认是保存在/home下
4、相机激光雷达外参标定：
外参标定最好用高反光物体，这样轮廓好识别，进一步能