3d激光雷达开发(多雷达标定)
【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】
有过camera开发经验的朋友都知道,camera有两种标定。一种是内参标定,主要是标定切向畸变、径向畸变等参数;一种是外参标定,主要是把数据从摄像头坐标系转移到全局坐标系。举个例子来说,车上的传感器很多,但每个传感器获得的数据都是以自己的坐标系为基础获得的,要想把这些数据整合在一起,必须有一个统一的车坐标系,其他传感器的数据转到这个统一的车坐标系上,才能继续进行后面的工作。
camera是这样,3d lidar也是这样的。单个雷达的覆盖范围是有限的,必须要把所有lidar的数据整合到一个坐标系下面才有意义。以livox为例,大家可以看看这篇文章,https://livox-wiki-cn.readthedocs.io/zh_CN/latest/tutorials/sensor_calibration.html。目前标定方法主要有两种,一种是手动标定,一种是自动标定。
1、手动标定
https://github.com/Livox-SDK/Livox-SDK/wiki/Calibrate-extrinsic-and-display-under-ros-cn
手动标定,顾名思义,就是依靠手动调节x、y、z、yaw、pitch、roll来获得对应的标定值。判定的标准就是自己的双眼,看看两片点云关键点有没有拟合在一起。对livox来说,手动标定可以直接用livox viewer来进行,
2、自动标定
https://github.com/Livox-SDK/Livox_automatic_calibration
自动标定,就是说自己准备点云数据,让算法来帮助我们获得x、y、z、yaw、pitch、roll。livox也为我们提供了对应的代码文件和编译脚本。下面就是对应的CMakeLists文件,
CMAKE_MINIMUM_REQUIRED(VERSION 2.8 FATAL_ERROR)PROJECT(livox_calibration)
set(CMAKE_BUILD_TYPE Release) # this is Important ! ! ! ! !find_package(PCL 1.7 REQUIRED)link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})include_directories(${PCL_INCLUDE_DIRS} include)set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11")FILE(GLOB SRCS0 src/mapping/*.cpp)
FILE(GLOB SRCS1 src/calibration/*.cpp)
FILE(GLOB SRCS2 src/ransac/*.cpp)add_executable (mapping ${SRCS0} )
target_link_libraries (mapping ${PCL_LIBRARIES} ${LIBS})add_executable (calibration ${SRCS1} )
target_link_libraries (calibration ${PCL_LIBRARIES} ${LIBS})add_executable (fitline ${SRCS2} )
target_link_libraries (fitline ${PCL_LIBRARIES} ${LIBS})
从编译文件可以看出,总共生成三个文件,分别是mapping、calibration、fitline。mapping负责准备pcd文件,calibration负责标定,fitline负责改进和优化。编译生成后,只要自己准备好pcd文件放在指定的目录,依次执行三个文件即可,从run.sh可以看出这一点
#!/bin/bash
./mapping
./calibration
./fitline
进一步分析这三个程序,可以看到标定的基本原理还是icp,相关代码位于src/calibration/calibration.cpp文件中。
//prepare ICPpcl::PointCloud<pcl::PointXYZ>::Ptr ICP_output_cloud(new pcl::PointCloud<pcl::PointXYZ>); //not use,but necessarypcl::GeneralizedIterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> icp;icp.setTransformationEpsilon(0.0000000001); //0.0000000001icp.setMaxCorrespondenceDistance(10);icp.setMaximumIterations(35);icp.setRANSACIterations(0);icp.setMaximumOptimizerIterations(50); // default 20
3、其他标定
livox也提供了摄像头和lidar的标定方法,有兴趣的同学可以看一下。
https://github.com/Livox-SDK/livox_camera_lidar_calibration
3d激光雷达开发(多雷达标定)相关推荐
- 3d激光雷达开发(入门)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 大约在2017年的时候,学习百度的apollo系统的时候,就知道3d激光雷达了.3d激光雷达和普 ...
- 3d激光雷达开发(pcl安装和使用)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 之前讨论过,目前3d激光雷达这块,算法部分用的最多的就是pcl库.网上很多教程都是讲pcl在li ...
- 3d激光雷达开发(从halcon看点云pcl库)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 做点云开发的,很少有不知道pcl库的,这一点就有点像做数字图像处理的,很少有不知道opencv的 ...
- 3d激光雷达开发(lidar使用)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 安装好了pcl库之后,下面就是需要想办法采集真实的雷达数据了.和camera不同,3d雷达一般需 ...
- 3d激光雷达开发(平面映射)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 3d点云当中,一个经常用到的方法就是先找到一个平面,然后将点映射到平面上面.这个里面用到的数据结 ...
- 3d激光雷达开发(ndt匹配)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 除了icp匹配之外,ndt匹配也是使用比较多的一种方法.相比较icp而言,ndt匹配花的时间要少 ...
- 3d激光雷达开发(icp匹配)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 所谓匹配,其实就是看两个点云数据里面,哪些关键点是一样的.这样就可以把一个点云移动到另外合适的位 ...
- 3d激光雷达开发(法向量预测)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 法向量在3d点云当中扮演很重要的一个角色.一个三维数据点的特征,不仅和它自己有关,还和它周围的点 ...
- 3d激光雷达开发(ransac的思想)
[ 声明:版权所有,欢迎转载,请勿用于商业用途. 联系信箱:feixiaoxing @163.com] 前面我们写了平面分割(https://blog.csdn.net/feixiaoxing/art ...
最新文章
- 网络负载均衡-负载均衡器
- @@identity、scope_identity()、IDENT_CURRENT('tablename')函数的区别
- HTML, CSS. JS的各种奇淫技巧
- spring boot打包文件后,报错\No such file or directory
- 数据中心背后的地缘政治学
- STM32之CAN---工作/测试模式浅析
- 李飞飞:云原生分布式数据库面临哪些机遇与挑战?
- EOS 帐户权限操作--你找不到的干货 (原创) 续集-EOS 3.0
- 交流伺服系统设计指南_交流设计
- android 动态修改菜单,如何在Android的“选项”菜单上更改MenuItem?
- 正则表达式 贪婪与懒惰
- 线段树(SegmentTree)学习笔记
- Spark技术互动问答分享
- python能做后端吗_【后端开发】python能做回归么
- 学习一种新编程语言要做的14个练习
- 电脑怎么设置计算机系统,细说电脑怎么设置wifi
- Error while sending STMT_PREPARE packet. PID=29294
- java满天星星代码_纯Java代码实现流星划过天空
- Apache Kafka教程A系列:与Storm整合
- 《SolidWorks 2014中文版完全自学手册》——1.2 SolidWorks 2014简介