autoware雷达相机联合标定得到的标定结果的使用

在使用autoware完成了相机和雷达的联合标定后标定工作，得到如下标定文件。但参考这篇博客https://blog.csdn.net/mxdsdo09/article/details/88582588，发现这个标定文件不同于一般标定文件不能直接用于手动投影。

1、一般标定结果的使用

一般而言得到标定文件后可以借助于opencv的ProjectPoints2函数实现手动投影以便于查看标定结果的好坏。函数如下：

cv::projectPoints(pts_3d, r_vec, t_vec, camera_matrix, distortion_coeff, pts_2d);

可知完成投影需要的参数依次为：pcd得到的三维坐标、旋转矩阵或者旋转向量、平移矩阵、相机参数、畸变矩阵。

旋转矩阵和平移矩阵有时以4x4的矩阵形式给出，如下，如autoware标定结果的CameraExtrinsicMat。
$$\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]$$
其中R具体形式如下：
$$\left[\begin{array}{ccc}fx& 0& cx\\ 0& fx& cy\\ 0& 0& 1\end{array}\right]$$

1.1、罗德里格斯变换

有时需要将旋转矩阵经过罗德里格斯变换转化为旋转向量使用。具体方法一堆，代码如下，选装向量转旋转矩阵同理：

import cv2
import numpy as np


R = np.float64([[-0.036255, 0.978364, -0.203692],
                [0.998304,0.026169,-0.051994],
                [-0.045539,-0.205232,-0.977653]])
r=cv2.Rodrigues(R)
print(r[0])

得到旋转向量为：
[[-2.10041703]
[-2.16779617]
[ 0.27332964]]

2、autoware标定结果的特殊性

2.1、旋转向量

autoware在得到旋转矩阵后进行了如下操作：

cv::Mat camera_velodyne_rotation = rotation_matrix.t();

所以真正的旋转矩阵应该将autoware标定结果给出的旋转矩阵进行转置操作。以本文标定文件为例应该为：
$$\left[\begin{array}{ccc}-4.8853956324459435e-03& -9.9997850714377279e-01& -4.3724318206638246e-03\\ 1.5077370169795101e-02& 4.2983278748005560e-03& -9.9987709108982181e-01\\ 9.9987439502083342e-01& -4.9507199468951657e-03& 1.5056047081819290e-02\end{array}\right]$$
相应的旋转向量为：
[ 1.19258089 , -1.20375297 , 1.21670938 ]

2.2、平移向量

autoware在得到平移矩阵后进行了如下操作：

camera_velodyne_translation.x = -camera_velodyne_point.z;
camera_velodyne_translation.y = camera_velodyne_point.x;
camera_velodyne_translation.z = camera_velodyne_point.y;

故真正的平移向量x_real = y ; y_real = z ; z_real = - x 。以本文标定结果为例平移向量应该为：
[-9.7983495904432213e-02, 6.7093598780405939e-02, -1.1396690507528557e+00]

其余的几个函数跟一般标定结果相同。关于详细的投影操作可参考我的其他博客。