作为无人驾驶中常用的传感器，激光雷达和相机都有自己特有的优势，然而它们也各有缺点和不足，现在主流的感知算法都向传感器融合方法靠拢，这就涉及到不同传感器之间的标定问题，本博文主要针对一个开源项目讲解激光雷达和相机之间的外参标定，即如何通过实验的方法得到激光雷达和相机之间的旋转平移矩阵。
项目地址： https://github.com/ankitdhall/lidar_camera_calibration
项目描述：该功能包用来找到激光雷达和相机之间的旋转平移变换，该包使用aruco_ros和一个稍微修改的aruco_mapping包为依赖，lidar_camera_calibration/pointcloud_fusion可以用来融合点云和两个双目相机的信息，两个双目相机都和激光雷达进行过外参标定。
在使用该包之前，需要先做好相机内参标定，因为需要一些相机内参参数的一些信息。
项目截图：
lidar_camera_calibration ROS包配置过程记录
依赖配置：
1、先将整个Github包clone下来，放在已经建好的ROS工作空间下，clone完成后生成文件夹lidar_camera_calibration；
2、将文件夹lidar_camera_calibration下的dependencies路径下的两个目录aruco_mapping和aruco_ros拷贝到ROS工作空间的src路径下；
准备编译：由于各个包之间有依赖关系，必须按以下顺序安装
3、先编译aruco_ros包
catkin_make -DCATKIN_WHITELIST_PACKAGES="aruco_ros"
4、再编译lidar_camera_calibration包
catkin_make -DCATKIN_WHITELIST_PACKAGES="lidar_camera_calibration"
此时可能会报错，缺少velodyne_msgs包，需要安装参考以下网站：
http://wiki.ros.org/velodyne/Tutorials/Getting Started with the HDL-32E
安装过程：
项目依赖velodyne ROS包，需要下载安装：
sudo apt-get install ros-kinetic-velodyne
5、再次编译lidar_camera_calibration包
catkin_make -DCATKIN_WHITELIST_PACKAGES="lidar_camera_calibration"
6、编译aruco_mapping包
catkin_make -DCATKIN_WHITELIST_PACKAGES="aruco_mapping"
运行过程
编译通过后，通过find_transform.launch文件启动所需节点和设置节点参数。
在运行launch文件之前，需要修改launch文件中的部分内容：
1、launch文件中默认将ArUco mapping节点注释掉了，可能需要启动该节点，并修改其中的重映射命令使得获取正确的相机图片话题：
<remap from="/image_raw" to="/frontNear/left/image_raw"/>
修改相机标定文件路径参数（.ini格式文件），aruco标记的个数，标记尺寸（单位为米）
**注：**图片话题消息类型为sensor_msgs/Image类型
aruco mapping用来在图像中找到aruco marker，并发布6DOF的位姿.
http://wiki.ros.org/aruco_mapping
2. lidar_camera_calibration_rt话题是由aruco_mapping包发送出来的，包含了利用aruco marker计算出来的旋转平移矩阵数据
启动标定节点前，需要保证aruco标记能够在相机画面内可见，并且需要使这些标记的ID号从左到右按升序排列，运行过程第一次需要手动标记line-segments
标记过程：
每块板上都有四个线段，需要从左到右依次标记每个板上的直线段；此处对于每个板上的直线标记是在该线段的周围绘制一个四边形，每次点击一个点，并按下键盘确认，得到四个点之后就得到了包围一根直线的一个四边形，按这个方法把一个板上的直线从左上按顺时针依次标记。
标记完所有的直线段之后，就得到了最终的变换矩阵，中间值存储在conf/points.txt。
points.txt文件
输出： 3x1的平移矩阵和3x3的旋转矩阵，设置迭代多少次，就有多少个这样的矩阵生成。通过对n次迭代生成的平移矩阵求平均，即可得到最终的平移矩阵，通过对n个旋转矩阵转换成四元数，然后求平均，即可得到最终的旋转矩阵，从而得到最终的标定矩阵。
程序解析
注： 该部分由于自己时间有限，暂时还没有完全写完，有空继续更新。
lidar_camera_calibration/conf目录包含了许多用来完成相机和雷达标定过程的配置文件
**注意：**其中的cloud_intensity_threshold用来滤除反射强度低于该值的点云，如果发现标定板上点云太少，可能需要修改该值试一下；
use_camera_info_topic用来表示是否使用相机消息的话题来获得相机的标定参数，否则从该config文件中读取标定参数，默认从文件读取；
相机投影矩阵对应的是CameraInfo中的矩阵K，表示的是将相机坐标系下的三维点，对应到像素坐标系下的位置。
标定计算过程由Find_RT.h文件完成；