激光雷达点云相机图像信息融合联合标定

拔萝卜的小白TWO

已于 2022-02-23 16:23:14 修改

阅读量8.7k

点赞数 17

分类专栏：笔记文章标签：计算机视觉自动驾驶人工智能

于 2021-04-26 21:19:21 首次发布

本文链接：https://blog.csdn.net/sj775973722/article/details/116173533

版权

笔记专栏收录该内容

3 篇文章 3 订阅

订阅专栏

激光雷达点云相机图像联合标定信息融合

一、前期对于相关概念的理解
- 1、信息融合之前，第一步：激光雷达与相机联合标定
- 2、激光雷达的点云与相机的图像的信息融合
二、激光雷达相机联合标定步骤
- 1、使用livox自家的标定程序
- 2、使用autoware的标定模块进行相机、激光雷达的联合标定
三、标定之后，将激光点云与图像进行融合

一、前期对于相关概念的理解

1、信息融合之前，第一步：激光雷达与相机联合标定

设备：livox雷达+DJI的云台相机H20T

①、为什么要进行标定，标定的目的：
参考资料：

【无人驾驶-激光雷达与相机联合校准–“5算法”】中提到标定的目的

标定的一些原理：
https://blog.csdn.net/xueluowutong/article/details/80950915

【立体视觉】世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的关系

在这里插入图片描述

在这里插入图片描述
上图中计算的是由三维点云到像素平面的转换，可以用来：

1、可以由点云计算得到某一点在像素坐标系中的位置u,v，进而获得此位置像素的rgb，将其赋给点云，便可实现点云着色。

2、可以由点云计算出某一点在像素坐标系中的位置u,v，然后，在位置u,v，绘制一个点，如果愿意的话，可以按照距离给这个点着色，实现将点云投影到图像中。

那么，当知道像素平面的一个点的坐标u,v，如何得到这个像素点的距离信息？

②、如何进行激光雷达相机的联合标定：

2、激光雷达的点云与相机的图像的信息融合

单一传感器不可避免的存在局限性，为了提高系统的稳健性，采取多传感器融合的方案，融合又包含不同传感器的时间同步和空间同步。

个人感觉，这是一种前融合。

参考资料：
【1】★★★ 激光雷达与相机融合（五）-------ros实时版点云投影到图像平面
【2】点云图像融合（点云着色）：介绍了如何使用标定的结果进行相机图像与点云进行融合。
【3】无人驾驶传感器融合系列（十）—— 目标追踪之相机与激光雷达数据融合

一些介绍相机与点云融合的方法：
【1】https://github.com/LidarPerception/kitti_lidar_camera
【2】https://blog.csdn.net/qq_33801763/article/details/78959205
【3】Sensor fusion after intrinsic and extrinsic calibration - Autoware

二、激光雷达相机联合标定步骤

1、使用livox自家的标定程序

使用过程中，遇到的一些问题：
①、在计算相机内参的时候，cameraCalib.cpp中需要注释掉//imshow("Camera Calibration" , view_gray);，个人感觉主要原因还是NX板子上的opencv没有装好。
②、在计算图像角点的时候，需要将corner_photo.cpp中的104行-108行中涉及到opencv的代码注释掉，不然也无法正常计算下去。
③、ceres还是得安装1.14才能行。参考：https://blog.csdn.net/qq_41586768/article/details/107541917

2、使用autoware的标定模块进行相机、激光雷达的联合标定

参考链接：ubuntu16.04安装Autoware1.11和联合标定工具包calibration以及相关问题介绍（亲测有效）

遇到的一些问题的解决参考链接：使用calibration_toolkit时，编译的小问题。

终于编译完成了，接下来，对autoware的源码进行学习，看看是怎么将图像中检测到的目标物，在点云中产生三维检测框的。

进入标定的主界面，里面参数的意义为：

参考：

【Autoware 标定工具 Calibration Tool Kit 联合标定 Robosense-16 和 ZED 相机！】
【激光雷达和相机的联合标定（Camera-LiDAR Calibration）之Autoware】，里面会有相机内参的标定的相关介绍。

配置标定板棋盘格参数：

Pattern Size(m)：标定板中每个格子的边长，单位 m，我的标定板每个格子长 0.025 m
Pattern Number：标定板长X宽的单元格数量 - 1，我的标定板是长有 12 个格子，宽有 9 个，所以填 11x8，减一是因为标定检测的是内部角点

三、标定之后，将激光点云与图像进行融合

如何将二维图像检测到的bounding box投影到三维点云得到三维检测框呢？

官网中相关的介绍为：

Requirements

Input Topics：

Camera intrinsics (sensor_msgs/CameraInfo)
Camera-LiDAR extrinsics (tf)
Object Detections results from a Vision Detector (autoware_msgs/DetectedObjectArray)
Object Detections results from a Range Detector (autoware_msgs/DetectedObjectArray)

难道还需要点云的目标检测框才能做匹配吗？

=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=

在将点云转换到像素坐标系时，会出现一些点在转换之后，其在像素坐标系下的坐标已经超出了图片的尺寸，因此需要将这些点进行剔除：

pcl::PointCloud<pcl::PointXYZRGB>::Ptr fused_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
for (int m = 0; m < uv.cols(); m++) 
{
    cv::Point point;
    point.x = uv(0, m);
    point.y = uv(1, m);

    // Store corners in pixels only of they are on image plane
    if (point.x > 0 && point.x < your_image_as_opencv_mat->cols) 
    {
        if (point.y > 0 && point.y < your_image_as_opencv_mat->rows) 
        {

            pcl::PointXYZRGB fused_3d_point;
            cv::Vec3b rgb_pixel = your_image_as_opencv_mat->at<cv::Vec3b>(point.y, point.x);
            // Get x,y,z values of this point from original raw point cloud
            fused_3d_point.x = matrix_lidar_points_in_lidar_frame(0, m);
            fused_3d_point.y = matrix_lidar_points_in_lidar_frame(1, m);
            fused_3d_point.z = matrix_lidar_points_in_lidar_frame(2, m);

            // get r,g,b value of this point from segmented image
            fused_3d_point.r = rgb_pixel[2];
            fused_3d_point.g = rgb_pixel[1];
            fused_3d_point.b = rgb_pixel[0];

            //put cicles into your image
            cv::circle(*your_image_as_opencv_mat, point, 1, cv::Scalar(0, 0, 255), 2, 8, 0);

            fused_cloud->points.push_back(fused_3d_point);
        }
    }
}