设备位置经过调整，再次进行标定，这次记录过程
设备如图：
标定板如图：
相机和IMU内参已通过之前标定得到
cam0:
cam_overlaps: []
camera_model: pinhole
distortion_coeffs: [0.09686982946027908, -0.22080021822510262, 0.000986198221581305, -0.0005036817735604531]
distortion_model: radtan
intrinsics: [894.4294891835768, 894.4119327837665, 631.1430468218376, 374.2690814294581]
resolution: [1280, 720]
rostopic: /camera/color/image_raw%YAML:1.0
---
type: IMU
name: IG1
Gyr:
unit: " rad/s"
avg-axis:
gyr_n: 2.1878495896798930e-04
gyr_w: 3.3415939258511154e-06
x-axis:
gyr_n: 2.3262429882317745e-04
gyr_w: 5.3676222885673781e-07
y-axis:
gyr_n: 2.0133213043081575e-04
gyr_w: 4.6488465334196942e-06
z-axis:
gyr_n: 2.2239844764997471e-04
gyr_w: 4.8391730152769148e-06
Acc:
unit: " m/s^2"
avg-axis:
acc_n: 1.4824723551607947e-02
acc_w: 1.5915028432955352e-04
x-axis:
acc_n: 1.5190470016408220e-02
acc_w: 1.9008071681021714e-04
y-axis:
acc_n: 1.4845893984708746e-02
acc_w: 1.6498113136916614e-04
z-axis:
acc_n: 1.4437806653706876e-02
acc_w: 1.2238900480927723e-04一、相机内参标定
项目主要使用到相机的彩色图像，因此只对单目进行标定，由于之前做过，这次直接用以前的结果，有时间补档
二、imu内参的标定
同上
三、相机与IMU外参的标定
使用kalibr工具：
https://github.com/ethz-asl/kalibr录制BAG:
rosbag record -O bd /camera/color/image_raw /imu/data开始标定：
cd ~/calib/kalibr_workspace
source devel/setup.bash
rosrun kalibr kalibr_calibrate_imu_camera --target '/home/lb/calib/kalibr_workspace/april_6x6.yaml' --bag '/media/lb/liubo/bd.bag' --bag-from-to 3 50 --cam '/home/lb/download/bd_resurt/camera_1280_720-results.yaml' --imu '/home/lb/download/bd_resurt/imu.yaml' --show-extraction下面我对各项进行一下解释 ：
rosrun kalibr kalibr_calibrate_imu_camera
rosrun：这是ROS中用于运行特定包及其节点的命令行工具。
kalibr_calibrate_imu_camera：这是ROS包的名称和该包中的特定节点或可执行文件的名称。它用于校准IMU和相机之间的内部和外部参数。
--target '/home/lb/calib/kalibr_workspace/april_6x6.yaml'
--target：指定校准目标，这里是一个棋盘格模式。YAML文件（april_6x6.yaml）可能包含有关目标的信息，如棋盘格的大小。
--bag '/media/lb/liubo/bd.bag' --bag-from-to 3 50
--bag：指定包含记录的传感器数据的ROS bag文件。Bag文件（bd.bag）是ROS中用于存储传感器数据的一种格式。
--bag-from-to 3 50：指定要从bag文件中使用的消息范围。在这种情况下，它从消息索引3到50提取数据。
--cam '/home/lb/download/bd_resurt/camera_1280_720-results.yaml'
--cam：指定相机校准文件。YAML文件（camera_1280_720-results.yaml）包含有关相机内部参数的信息
--imu '/home/lb/download/bd_resurt/imu.yaml'
--imu：指定IMU校准文件。YAML文件（imu.yaml）包含有关IMU参数的信息。
--show-extraction
此标志表示将在校准过程中显示或可视化提取过程。
出现的报错：
报错：
ImportError: No module named scipy.optimize
解决方法：sudo apt-get install python-scipy
耐心等待结果，时间因电脑而异，2min-30min, 完成后会在标定使用BAG的同级目录下生成以下文件
由此即可得到标定结果
四、imu和lidar外参的标定
使用浙大开源的方案
录制BAG：
rosbag record -O li /imu/data /velodyne_packets这里有一些注意事项：
1、录制的雷达话题是/velodyne_packets，格式是velodyne_msgs/VelodyneScan而不是sensor_msgs/PointCloud2格式，如果录制错了也不用急，这两种格式可以转换，当然重现录制可能更方便一点。
2、录制时要有充分的移动，最好在室内，尽可能减少录制玻璃等物体
开始标定：
首先更改配置文件：
/home/lb/calib/catkin_zd/src/lidar_IMU_calib/launch/licalib_gui.launch
<?xml version="1.0"?>
<launch>
<arg name="topic_imu" default="/imu/data" />
<arg name="path_bag" default="/home/lb/桌面/li.bag" />
<arg name="bag_start" default="1" />
<arg name="bag_durr" default="40" />
<arg name="scan4map" default="15" />
<arg name="lidar_model" default="VLP_16" />
<arg name="ndtResolution" default="0.5" /> <!-- 0.5 for indoor case and 1.0 for outdoor case -->
<arg name="time_offset_padding" default="0.015" />
<arg name="show_ui" default="true" />
<node pkg="li_calib" type="li_calib_gui" name="li_calib_gui" output="screen">
<!-- <node pkg="li_calib" type="li_calib_gui" name="li_calib_gui" output="screen" clear_params="true" launch-prefix="gdb -ex run --args">-->
<param name="topic_imu" type="string" value="$(arg topic_imu)" />
<param name="topic_lidar" type="string" value="/velodyne_packets" />
<param name="LidarModel" type="string" value="$(arg lidar_model)" />
<param name="path_bag" type="string" value="$(arg path_bag)" />
<param name="bag_start" type="double" value="$(arg bag_start)" />
<param name="bag_durr" type="double" value="$(arg bag_durr)" /> <!-- for data association -->
<param name="scan4map" type="double" value="$(arg scan4map)" />
<param name="ndtResolution" type="double" value="$(arg ndtResolution)" />
<param name="time_offset_padding" type="double" value="$(arg time_offset_padding)" />
<param name="show_ui" type="bool" value="$(arg show_ui)" />
</node>
</launch>这里的只要修改就是imu的topic 、BAG的位置和开始和结束的时间，如果是velodyne16线激光雷达其他的不用修改，不是的话，需要对源码进行一定的修改进行适配，有人做过这方面的工作，有需求的可以多多百度。
然后运行launch文件即可
cd ~/calib/catkin_zd
source devel/setup.bash
roslaunch li_calib licalib_gui.launch 
出现UI界面后按顺序点击初始化、数据关联、匹配优化、数据精炼就是如下
可以重复点多迭代几次，数据会发生微调，然后保存地图就会保存结果和PCD，但是没有太大必要，可以直接在终端看到结果：
P_LinI : 0.0585905 -0.102107 -0.0492073
euler_LtoI : 0.314218 0.1246 -177.198
P_IinL : 0.0536213 -0.105123 0.0485191
euler_ItoL : 0.319934 0.109089 177.197
time offset : 0
gravity : -0.635769 9.29983 2.99215
acce bias : -0.088798 0.0470856 -0.00584321
gyro bias : -1.58483e-06 -0.00231211 0.000299033这里是欧拉角，L代表lidar, I代表imu 可以简单使用如下py脚本转化为旋转矩阵
#coding:utf-8
import numpy as np
def euler_to_rotation_matrix(roll, pitch, yaw):
# 将欧拉角转换为弧度
roll = np.radians(roll)
pitch = np.radians(pitch)
yaw = np.radians(yaw)
# 计算旋转矩阵的元素
cos_roll = np.cos(roll)
sin_roll = np.sin(roll)
cos_pitch = np.cos(pitch)
sin_pitch = np.sin(pitch)
cos_yaw = np.cos(yaw)
sin_yaw = np.sin(yaw)
# 构建旋转矩阵
rotation_matrix = np.array([
[cos_pitch * cos_yaw, cos_yaw * sin_pitch * sin_roll - cos_roll * sin_yaw, cos_roll * cos_yaw * sin_pitch + sin_roll * sin_yaw],
[cos_pitch * sin_yaw, cos_roll * cos_yaw + sin_pitch * sin_roll * sin_yaw, -cos_yaw * sin_roll + cos_roll * sin_pitch * sin_yaw],
[-sin_pitch, cos_pitch * sin_roll, cos_pitch * cos_roll]
])
return rotation_matrix
# 示例使用
roll = 0.314218 # 沿着 x 轴旋转的角度
pitch = 0.1246 # 沿着 y 轴旋转的角度
yaw = -177.198 # 沿着 z 轴旋转的角度
rotation_matrix = euler_to_rotation_matrix(roll, pitch, yaw)
print(rotation_matrix)
五、camera和lidar外参标定
我们已经有了lidar和imu的,和camera和IMU的外参，两者相乘即可，也可以使用AUTOware里的功能包进行标定，用作验证
最后，如果有人向进一步咨询也可以联系本人，可以根据情况提供一些技术支持
1420
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
