Kalibr&TartanCalib开源项目进行单目相机标定

声明：本文使用的TartanCalib的安装方法，它集成了Kalibr环境，项目运行基于Kalibr

一.环境准备

        1.Ubuntun版本 20.04

        2.安装Docker,克隆项目到本地

        详细信息参考网站：GitHub - D2SLAM-Fusion/tools-tartancalib: TartanCalib: Iterative Wide-Angle Lens Calibration using Adaptive SubPixel Refinement of AprilTags

1. 克隆并构建docker映像

    git clone https://github.com/castacks/tartancalib
    cd tartancalib
    docker build -t tartancalib -f Dockerfile_ros1_20_04 .
   

2. 挂载数据文件夹并在GUI容器中共享xhost。有关更多信息，请阅读ROS维基在Docker上。

    FOLDER=/path/to/your/data/on/host
    xhost +local:root
    docker run -it -e "DISPLAY" -e "QT_X11_NO_MITSHM=1" \
        -v "/tmp/.X11-unix:/tmp/.X11-unix:rw" \
        -v "$FOLDER:/data" tartancalib

 补充命令：source devel/setup.bash       

//用于设置ROS的环境变量，以便在当前shell会话中能够使用ROS的命令和工具。

二.资源准备-并放入挂载的文件中

1.准备标定板与标定图片，并将标定图片转换为.bag格式

标定板：

        可以使用Aprilgrid板或棋盘格

标定图片：

        ①准备不同角度的棋盘格照片30-50张，标定板需要拍全。官方的步骤：固定相机，移动标定板在不同的角度以获得校准图像。

        ②图片命名格式有要求，一般使用19位的数字命名。否则执行打包报错！

打包成bag文件：

        rosrun kalibr kalibr_bagcreater --folder dataset-dir/. --output-bag awsome.bag

2.根据使用的标定板准备标定板参数YAML文件

        参考网址：https://github.com/ethz-asl/kalibr/wiki/calibration-targets

target_type: 'checkerboard' #gridtype 这里采用了棋盘格
targetCols: 6               #内角点的列数
targetRows: 7               #内角点的行数
rowSpacingMeters: 0.06      #对于方形棋盘格来说 ，这里的角点间距指正方形棋盘格边长
colSpacingMeters: 0.06      #单位m

3.相机模型

相机模型的一些参数说明：

①omni-radtan：鱼眼相机-畸变模型

②omni-none：鱼眼相机无畸变

③pinhole-radtan：小孔相机（普通相机）-畸变模型

④eucm-none;通用型相机模型 无畸变

⑤pinhole-equi：针孔相机-等距畸变模型，对鱼眼相机适用性更好

⑥pinhole-fov：针孔相机-fov畸变模型

三.运行脚本->输出

执行命令：

rosrun kalibr kalibr_calibrate_cameras --target checkerboard.yaml --models pinhole-radtan --topics /cam0/image_raw --bag awsome.bag

得到结果一个yaml文件和一个txt文件

yaml文件主要参数说明

intrinsics（内参）	焦距（Focal Length）：通常以f_x和f_y表示或fu,fv	(fu,fv,pu,pv)
	光心（Optical Center）：也称为图像中心（Image Center），通常以c_x和c_y表示或pu,pv
distortion_coeffs（畸变系数）	径向畸变和切向畸变系数	(k1,k2,r1,r2)
distortion_model（畸变模型）
camera_model（相机类型）

补充材料，针对不同的摄像头，得到的yaml文件参数也不同：

对于相机内参

对于畸变参数

四.总结

        标定完成后我们得到了相机的内参和畸变系数，利用这两个数据可以矫正图像。本次矫正效果如图所示:

矫正前：

矫正后：

 

可以看出，左下角，右下角矫正效果存在不足，讨论自身的操作原因能够尝试优化的点：

①数据集数量和质量

②矫正模型和相机模型的选择

③标定板的选择、标定板的yaml文件参数