单目摄像头的内外参标定

最新推荐文章于 2024-07-24 17:08:09 发布

火种源码

最新推荐文章于 2024-07-24 17:08:09 发布

阅读量2.8k

点赞数 2

分类专栏：算法文章标签：算法

本文链接：https://blog.csdn.net/zhzwang/article/details/108227143

版权

任务动机：基于ORB-SLAM3+单目广角摄像头进行二次开发，辅助激光导航实现机器人全局重定位。需要对单目摄像头进行内参和外参标定。

任务描述：
1. 镜头畸变和内参标定
用棋盘格标定

2. 摄像机与机器人坐标系间的位姿标定

在线数据采集：找一个场景内容丰富的环境启动激光雷达SLAM，启动摄像机图像采集录制ros bag（最好录制全部，如果空间不够，可以只选激光雷达，摄像机图像，tf）控制机器人走几圈+走走八字
离线处理：播放bag，启动单目摄像机的ORB-SLAM 保存ORB-SLAM的位姿输出结果和激光雷达SLAM的位姿输出序列（都要有时间戳）
标定：提取相同时刻的ORB-SLAM和激光雷达SLAM的位姿对计算二者间的位姿关系

1. 引言

标定就是已知标定控制点的世界坐标和像素坐标，去解算映射关系。一旦这个关系解算出来了，就可以由点的像素坐标去反推它的世界坐标，有了这个世界坐标，就可以进行测量等其他后续操作了。在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定。

相机需要标定的参数通常分为内参和外参两部分。外参确定了相机在某个三维空间中的位置和朝向，至于内参，可以说是相机内部的参数。外参数矩阵可以告诉你现实世界点(世界坐标)是怎样经过旋转和平移，然后落到另一个现实世界点(摄像机坐标)上。内参数矩阵告诉你上述那个点在外参矩阵的基础上，是如何继续经过摄像机的镜头、并通过针孔成像和电子转化而成为像素点的。而畸变矩阵则告诉你为什么上面那个像素点并没有落在理论计算该落在的位置上，还产生了一定的偏移和变形.

本文介绍如何使用Autoware对摄像头进行内参标定，再通过ORB-SLAM对相机和雷达进行联合标定。

2. 镜头畸变与内参标定

ROS官方提供了一个ROS camera_calibration工具包，可以使用它进行内参标定，但是使用下来效果并不好，可能会出现无法保存参数的情况，更推荐使用Autoware，尤其是Autoware还自带了Calibration Toolkit（1.9版本之前，需要在GitHub里面找到之前的版本地址，新的版本取消了），对于激光雷达和相机的联合标定更加友好。Autoware camera_calibration 工具包与ROS官方的并没有太大区别，可以看作是官方ROS标定工具的一个分支（即ROS Camera Calibration Tools）。