多传感器标定测试工具
依赖
- ROS
wget http://fishros.com/install -O fishros && . fishros
- 相机内参标定：camera_calibration包
sudo apt install ros-${ROS_DISTRO}-camera-calibration
- 相机雷达联合标定：image_view2
sudo apt install ros-${ROS_DISTRO}-image-view2
- 相机雷达标定结果测试：jsk_recognition_msgs
sudo apt install ros-${ROS_DISTRO}-jsk-recognition-msgs
操作步骤
- 新建工作空间
mkdir -p catkin_ws/src
cd catkin_ws/src
catkin_init_workspace
- clone功能包并且切换到指定分支(opencv4.x环境需要切换到opencv4分支，版本小于opencv4则不用)
git clone https://github.com/KeepOnKeepOn/manual_dynamic_reconfigure.git
cd manual_dynamic_reconfigure
git checkout opencv4
- 在工作空间catkin_ws中进行编译
cd ../../
catkin_make
source devel/setup.bash
相机内参标定
准备bag数据
bag需要包含相机图像数据，可以是原始图像格式，也可以是压缩图像格式。
图像数据的话题名需要和launch文件中的image_src参数相同。
如果是压缩图像格式，需要将compressed_stream参数设置为true，压缩图像话题为${image_src}/compressed形式。
启动launch文件
launch文件里的参数bagfile, image_src, size, square, k-coefficients为默认值，用户可根据自身场景修改。
- bagfile：bag文件路径
- image_src：原始图像topic
- size: 棋盘格标定板的格子数-1
- square：每个小格的边长，单位m
- k-coefficients: 畸变系数
roslaunch calibration_bringup camera_calibration.launch playbag:=true compressed_stream:=true
相机内参标定过程
标定板需要在图像的各个位置标定，先转动偏航角，再转动俯仰角
相机内参标定结果测试
roslaunch calibration_bringup display_camera_calibration.launch playbag:=true compressed_stream:=true
相机雷达联合标定
准备bag数据
bag需要包含相机图像数据和雷达点云数据，图像可以是原始图像格式，也可以是压缩图像格式。
图像数据的话题名需要和launch文件中的image_src参数相同。
如果是压缩图像格式，需要将compressed_stream参数设置为true，压缩图像话题为${image_src}/compressed形式。
启动launch文件
roslaunch calibration_bringup lidar_camera_calibration.launch playbag:=true compressed_stream:=true
在rviz中选择雷达显示雷达点云的话题数据，将rviz坐标系设置为雷达坐标系。
联合标定过程
观察图像和点云，在 image-view2 中用鼠标选择一个像素点，然后在rviz中点击Publish Point按钮，选择像素点对应的点云数据点（要尽量选择准确），当你的鼠标右下角出现一个浅红色的路标记号时即可点击该数据点，观察终端中是否出现 points 的提示信息，当选择了9个点后，就能自动计算，输出标定结果（为提高标定精度，通常会选择再添加一些点对进行计算，注意每次计算结果时检查是否正确）。
联合标定结果测试
roslaunch calibration_bringup display_lidar_camera_calibration.launch playbag:=true compressed_stream:=true
在rqt_reconfigure可视化窗口中调整参数，观察rviz中雷达和相机坐标系关系和点云投影效果，当点云投影与图像吻合时表明外参已经较准确。
恢复内外参数按钮
可视化窗口中调整参数时，可点击**即可恢复原始的参数