前言

上篇博客激光雷达和相机的联合标定（Camera-LiDAR Calibration）之Autoware介绍了为什么要做联合标定以及如何使用Autoware的标定工具。
这篇博客介绍apollo标定工具的使用方法。
首先需要安装apollo，然后才能使用其标定工具。
这个工具要求相对较高，需要广角相机，里程计和惯导，而且需要最准确的初始外参值，或许这样得出的标定结果更精确吧。

准备

下载标定工具，并将文件解压缩到$APOLLO_HOME/modules/calibration。APOLLO_HOME 是apollo仓库的根目录。

经过良好标定的相机内参

相机内参包含焦距，主点，失真系数和其他信息。
用户可以从其他相机标定工具获取内参，例如ROS Camera Calibration Tools和Camera Calibration Toolbox for Matlab。
标定完成后，用户应手动将结果转换为特定的yaml格式文件。
用户必须确保K和D数据正确：

K指的是相机矩阵
D指的是失真参数

以下是相机内参文件的示例：

header: 
      seq: 0
      stamp: 
      secs: 0
        nsecs: 0
      frame_id: short_camera
    height: 1080
    width: 1920
    distortion_model: plumb_bob
    D: [-0.535253, 0.259291, 0.004276, -0.000503, 0.0]
    K: [1959.678185, 0.0, 1003.592207, 0.0, 1953.786100, 507.820634, 0.0, 0.0, 1.0]
    R: [1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]
    P: [1665.387817, 0.0, 1018.703332, 0.0, 0.0, 1867.912842, 506.628623, 0.0, 0.0, 0.0, 1.0, 0.0]
    binning_x: 0
    binning_y: 0
    roi: 
      x_offset: 0
      y_offset: 0
      height: 0
      width: 0
      do_rectify: False

初始化外参文件

这些工具要求用户提供初始外参值作为参考。
以下是Camera-to-LiDAR的初始外参文件的示例，其中，translation是相机和LiDAR之间的位移距离；rotation是旋转矩阵的四元数表达形式。

header:
      seq: 0
      stamp:
        secs: 0
        nsecs: 0
      frame_id: velodyne64
    child_frame_id: short_camera
    transform:
      rotation:
        y: 0.5
        x: -0.5
        w: 0.5
        z: -0.5
      translation:
        x: 0.0
        y: 1.5
        z: 2.0

注意：Camera-to-LiDAR标定更依赖于初始外参值。大的偏差会导致标定失败。因此，在条件允许的情况下，必须提供最准确的初始外参值。

标定场景

由于Camera-to-LiDAR标定方法用于自然环境，因此良好的地点可以显着提高标定的准确性。
建议选择包含树木，电线杆，路灯，交通标志，静止物体和清晰交通线等物体的标定场地。
图1是标定地点的一个很好的选择示例：

图1 Good Choice for a Calibration Site

必要的topics

用户必须确认程序所需的所有传感器 topics 都有输出 messages。有关更多信息，请参阅：如何检查传感器输出？
下表列出了板载程序所需的传感器topics。

Sensor	Topic Name	Topic Feq. (Hz)
Short_Camera	/apollo/sensor/camera/traffic/image_short	9
LiDAR	/apollo/sensor/velodyne64/compensator/PointCloud2	10
INS	/apollo/sensor/gnss/odometry	100
INS	/apollo/sensor/gnss/ins_stat	2

使用标定工具

在开始使用这些工具之前，必须验证定位状态是56，或者标定工具（程序）不会收集数据。
键入以下命令以检查定位状态：

rostopic echo /apollo/sensor/gnss/ins_stat

Camera-to-LiDAR Calibration

1.使用以下命令运行Camera-to-LiDAR标定工具：

cd /apollo/scripts
bash sensor_calibration.sh lidar_camera

2.遵循以下准则来收集数据：

由于两个摄像机具有不同的时间戳，因此它们无法完全同步，因此在记录数据时非常缓慢地驾驶车辆非常重要。车辆的低速可以有效地缓解由不同时间戳引起的图像不匹配。
确保摄像机图像中有一定数量（超过500个）投影点，否则工具无法执行外参标定操作。因此，此工具仅适用于广角相机。

记下保存的配置文件的位置：

/apollo/modules/calibration/lidar_camera_calibrator/camera_camera_calibrtor.conf

Camera-to-LiDAR标定配置说明：

Configuration	Description
camera_topic	wide-angle camera image topic
lidar_topic	LiDAR point cloud topic
odometry_topic	vehicle odometry topic
ins_stat_topic	vehicle localization status topic
camera_intrinsics_filename	intrinsic file of camera
init_extrinsics_filename	initial extrinsic file
output_path	calibration results output path
calib_stop_count	required stops of capturing data
max_speed_kmh	limitation of max vehicle speed, unit: km/h

Camera-to-LiDAR标定工具的输出类型为：

标定的外参文件，以.yaml文件的形式提供
将LiDAR点云投影到相机图像上的两个验证图像：
- 一张图像用深度着色
- 一张图像用强度着色

获得标定结果

所有标定结果都保存在配置文件的output路径下，并以 yaml 格式提供。

验证方法和结果

标定完成后，将在[output]/validation目录中生成相应的验证标定结果的图像。

背景信息：在点云投影图像中，用户可以看到具有明显边缘的物体和标志，并比较对齐。
验证方法：如果目标在50米范围内，其点云边缘可以与图像边缘重合，并且标定结果的准确性可以证明非常高。但是，如果存在错位，则标定结果会出错。当误差大于某个范围时（例如，5个像素，具体取决于实际使用情况），外参不可用。
示例：如以下示例所示，图1满足外部参数的精度要求，而图2则不满足。

图2 Good Camera-to-LiDAR Calibration Validation Result

图3 Bad Camera-to-LiDAR Calibration Validation Result

激光雷达和相机的联合标定（Camera-LiDAR Calibration）之apollo

前言

准备