Matlab Lidar Camara Calibrator使用方法及雷达点云对相机的标定

对于多模态融合（即3D点云数据和2D图像的融合）如何将点云数据标注到图像上，从而实现利用多传感器之间的互补特性可以增强感知能力、减少花销。

相机和激光雷达存在互补。单目相机无法感知3D几何信息；双目相机可以提供3D几何信息，但是计算量大，且容易受到遮挡、纹理缺失影响。另外，基于视觉的感知容易受到光照影响。LiDAR可以提供精准的3D几何信息，对环境光不敏感。但是分辨率低，帧率低，易受恶劣天气（雨雾雪）影响，且激光雷达比较昂贵。

第一步：在App中选择Lidar Camera Calibrator，点击图中的Import后选择Import Data

第二部：继续向弹出来的窗口添加文件，依次选择导入图像和点云数据如下后点击“确定”：

Square size就表示的是标定板（棋盘格）的大小

Matlab会自动导入数据并计算相机内参，然后开始进行相机和点云数据的处理，并进行自动标定，但自动标定结果一般较差，会提示没有探测到目标，这都是正常现象。

需要进行手动调整后就能精确标定。点击“确定”后调整过程如下。首先选择Edit ROI，也就是划定一个棋盘格（标定板）的范围，不用太大，能将所有采样的标定板包含在内就行，如图所示。

 

 也有可能需要调整Dimension Tolerance或者Select Checkerboard，调整完之后点击“Apply”然后等一会点击“detect”即可

然后点击“标定”（Calibrate）即可。

得到标定结果如下：能看出标定板上覆盖了蓝色的点云，点云数据中也赋上了图片中的颜色，包括地砖的颜色，左下角为每幅图标定的标定误差，中间为像素误差，右边为重建误差。然后点击“导出”Export导出标定参数。

接着点击export导出， 这里的T就是外参矩阵

 可以在这个网站将矩阵导入，然后就可以看出相机和雷达之间的欧拉角等信息。https://www.andre-gaschler.com/rotationconverter/如下：