雷达-相机联合标定调研

雷达-相机联合标定调研

Reference：

1. https://blog.csdn.net/mxdsdo09/article/details/88370662?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

2. https://blog.csdn.net/mxdsdo09/article/details/88370662?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

3. https://blog.csdn.net/hzwwpgmwy/article/details/108720496

4. https://blog.csdn.net/learning_tortosie/article/details/82347694

---

本机配置：

本机配置：

1. Ubuntu18.04系统 安装
2. ROS Melodic 安装
3. opencv 3.2.0

---

四个常用相机雷达联合标定工具：

1、Autoware
2、apollo
3、lidar_camera_calibration
4、but_velodyne

---

---

一、Autoware

https://github.com/CPFL/Autoware/wiki

https://blog.csdn.net/learning_tortosie/article/details/82347694

https://blog.csdn.net/AdamShan/article/details/81670732

这是日本开源的一个自动驾驶平台，网上有教程在Autoware1.10版本及以前自带了标定工具calibration_toolkit，velodyne与速腾雷达均适用。
标定过程需要棋盘格标定版、雷达相机需要材料不麻烦，但是标定过程需要不断的手动把cam中的标定板在lidar点云中的位置圈出来，使的重投影误差达到目标值，标定结果不断收敛。

二、apollo

1. https://github.com/ApolloAuto/apollo/blob/master/docs/quickstart/apollo_2_0_sensor_calibration_guide.md
2. https://blog.csdn.net/learning_tortosie/article/details/82351553
3. http://apollo.auto/index_cn.html

这是百度的阿波罗自动驾驶平台，其中包含了lidar和cam的标定方案，对标定材料的要求过高，不但需要普通的数据，还需要IMU、里程计等传感器数据，需要较为精确的lidar和cam相对的初始安装角和广角相机。

---

三、lidar_camera_calibration

1. https://github.com/ankitdhall/lidar_camera_calibration
2. https://blog.csdn.net/a2281965135/article/details/79785784
   这个是基于深度相机/双目的标定方案。
   paper：“LiDAR-Camera Calibration using 3D-3D Point correspondences”
   
   

---

四、but_velodyne

1. https://github.com/robofit/but_velodyne
2. https://github.com/robofit/but_velodyne_lib
3. https://blog.csdn.net/learning_tortosie/article/details/82385394

这是一个最简单、最单纯的lidar和cam联合标定的方案，最低32线激光雷达，以便算法检测3D marker。

---

总结

我的系统是ubuntu18.04，ros为melodic版本，手上有一个16线速腾雷达，一个单目相机，综合考虑最后采用Autoware的calibration_toolkit标定方案。
接下来会另开一篇文章详细介绍calibration_toolkit在ubuntu18.04的编译与安装。

---