escrito na frente
Todos sabemos que existem muitos dispositivos de detecção de estado em veículos não tripulados, normalmente hodômetros, radares de ondas milimétricas, scanners a laser, câmeras e GPS. Para uma fusão de dados eficaz, a calibração de pose relativa entre esses dispositivos é de grande importância.
Teoricamente falando, embora a relação de conversão entre vários dispositivos de detecção possa ser obtida por meio de medição, os dados medidos manualmente não podem ser usados diretamente pelos seguintes motivos:
1) A precisão da medição manual é ruim e é facilmente afetada pela qualidade do instrumento e pelo nível do usuário;
2) O equipamento de teste profissional é caro e não é fácil de implementar em situações especiais em espaços estreitos;
3) O afrouxamento ou ajuste da estrutura de instalação leva à necessidade de ajustes regulares, o que impõe requisitos de simplicidade nas etapas de calibração;
4) Os requisitos de ajuste automático de parâmetros trazidos pelos requisitos de produção em massa apresentam requisitos para a credibilidade dos resultados da calibração;
Com base nas razões acima, na indústria, a medição manual ou os dados teóricos obtidos dos desenhos de projeto são geralmente usados como valor básico e, em seguida, os métodos correspondentes são usados para otimização para obter uma relação de conversão mais precisa entre os dispositivos de detecção.
A fim de facilitar o aprendizado e a melhoria subsequentes, este post é especialmente aberto para atualizar continuamente as principais soluções do setor.
Em torno dos dois principais ramos do SLAM, dividimos a calibração de referência externa em duas partes: scanner a laser e câmera, e resumimos os métodos de calibração de referência entre scanner a laser e câmera e outros dispositivos de detecção, respectivamente.
Nota: Este artigo apenas resume o método, refina as ideias, não deduz a fórmula, por favor, coma facilmente!
1. Calibração do lidar
Existem dois tipos de calibração lidar, que são divididos em calibração de lidar para IMU e calibração entre lidars.
1.1 A calibração do lidar para IMU pode usar o método clássico de calibração mão-olho
A calibração de parâmetros externos também é realizada em duas partes. Encontre o valor inicial primeiro e depois otimize.
1.1.1 Valor inicial dos parâmetros externos
O princípio básico para encontrar o valor inicial dos parâmetros externos é que a calibração do lidar para a IMU é um problema clássico de calibração mão-olho AX=XB .
Entre eles, X é a matriz de transformação de coordenadas do lidar para o IMU, A é a transformação de coordenadas dos dois movimentos do lidar, B é a transformação de coordenadas dos dois movimentos do IMU e, finalmente, use o método dos mínimos quadrados para resolver a transformação de coordenadas relacionamento X do lidar para o IMU.
Você mesmo pode escrever um ou pode experimentar calibrateHandEyea interface de calibração mão-olho do OpenCV.
1.1.2 Otimização de parâmetros externos
Após a obtenção do valor inicial do parâmetro externo, é realizada a otimização do parâmetro externo.
Com base no valor inicial dos parâmetros externos obtidos na etapa anterior, a nuvem de pontos lidar é emendada. Devido à existência do erro de solução do valor inicial, ocorre um erro de alinhamento após a emenda das nuvens de pontos coletadas em locais diferentes. O desempenho específico é que o efeito visual da nuvem de pontos emendada é desfocado e a estrutura da borda na cena não é nítida. Por esta razão, a segunda parte do algoritmo utilizará o método de splicing otimizado para otimizar os parâmetros externos.
Você pode usar a função de custo clássica do GICP e Entropy.
Postagem do blog de referência (apresentando o otimizador, o método de calibração e o processo de calibração)
1.1.3 A proposta da ETH Zurich (lidar-align)
Ele vem do Swiss Federal Institute of Technology em Zurich---Autopilot Laboratory, e seu repositório git é o seguinte:
lidar_align: encontrando a calibração extrínseca entre um lidar 3D e um sensor de pose 6-dof 
https://github.com/ethz-asl/lidar_align De acordo com a introdução de artigos online, eu pessoalmente acho que a precisão não é alta, mas o a taxa de sucesso é alta, adequada para a prática.
Nota: Resultados precisos requerem movimentos altamente não planares, o que torna a técnica pouco adequada para calibrar sensores montados em carros.
Aqui está uma dica para o repositório git. Se este método for usado para obter alta precisão, um grande grau de movimento não planar é necessário. Isso também mostra indiretamente que esta tecnologia não é adequada para calibração de parâmetros externos de sensores de veículos.
Referências:
Consulte o blog 1 (instalação e compilação): Instale, compile e execute lidar_align no Ubuntu 20.04 para calibrar em conjunto os parâmetros externos de lidar e imu
Blog de referência 2 (alinhamento do carimbo de data/hora): [Resumo do aprendizado] Calibração Lidar e IMU
1.1.4 Solução de código aberto da Universidade de Zhejiang (lidar_IMU_calib)
Esta proposta propõe um método de calibração LIDAR-IMU preciso e repetível - LI-Calib, que é usado para calibrar os parâmetros extrínsecos de seis graus de liberdade entre o LIDAR 3D e a unidade de medida inercial (IMU). Com base nas características de captura de dados de alta frequência por LIDAR e IMU, o LI-Calib adota uma estratégia baseada em B-Spline de tempo contínuo, que é mais adequada para fundir medições de alta frequência e síncronas do que métodos baseados em tempo discreto. Além disso, o LI-Calib decompõe o espaço em células e segmentos planares para associação de dados, o que torna o problema de calibração bem restrito em ambientes frequentemente sem alvos. Ao mesmo tempo, a validade do método de calibração proposto pelo esquema é verificada em simulação virtual e ambiente real.
De acordo com o paper correspondente ao esquema, o método apresenta alta frequência e boa repetibilidade em cenários artificiais.
O repositório git é o seguinte:
https://github.com/APRIL-ZJU/lidar_IMU_calib
O código-fonte suporta apenasVLP-16线激光雷达。
若使用其他雷达（比如Radar a laser de linha RS-32) consulte o seguinte:
Anexo: Problemas que podem ocorrer durante a compilação do código lidar_IMU_calib
Solução: modifique CMakeList.txt no pacote ndt_omp e altere a versão C++ para 14 ou superior.
Referências:
Blog de referência 1 (instalação e compilação e papéis): lidar e calibração da unidade de medição inercial Lidar e calibração IMU lidar_IMU_calib
Blog de referência 2 (análise do princípio de calibração e melhoria do algoritmo): calibração de parâmetros externos Lidar e imu
1.1.5 O lidar_imu_lidar que só pode calibrar o esquema de rotação (observe que não é o lidar_IMU_lidar da Universidade de Zhejiang)
A ideia geral desse esquema é: ao desenvolver slam baseado em 3D lidar , imu é frequentemente usado para fornecer a priori para algoritmos de correspondência (icp, ndt), então a transformação entre lidar e imu precisa ser calibrada. Para o algoritmo de correspondência, a pose em transfom é mais importante que a posição em transform, e a posição geralmente é definida como 0. Portanto, este pacote de funções apenas calibra o componente de pose na conversão entre lidar e imu .
Endereço do pacote de funções:
https://github.com/chennuo0125-HIT/lidar_imu_calib https://github.com/chennuo0125-HIT/lidar_imu_calib Postagem de blog de referência 1:Medido ubuntu 20.04 Use o pacote de funções lidar_imu_calib para calibração lidar e imu
1.2 Calibração entre vários lidars - método de registro de nuvem de pontos
O princípio do método de registro de nuvem de pontos é obter a relação de pose entre os dois lidars registrando as nuvens de pontos entre os dois lidars, de modo a concluir a calibração entre os lidars. No processo de calibração real, o lidar principal pode ser calibrado primeiro e, em seguida, a relação de transformação de coordenadas entre outros lidars e o lidar principal pode ser calibrada; também pode ser calibrado em pares e, em seguida, a otimização do gráfico pode ser executada.
Deve-se notar que às vezes a configuração do lidar não é a mesma.
Se a densidade da nuvem de pontos lidar for diferente (devido à diferença na configuração do sensor), ou a área de sobreposição da nuvem de pontos entre os dois lidars for pequena (porque os dois radares estão bloqueados pela estrutura mecânica ou estão distantes), você pode primeiro As nuvens de pontos dos radares a laser são emendadas separadamente e, em seguida, as nuvens de pontos emendadas são usadas para correspondência NDT para obter a relação de conversão entre os radares a laser.
2. Calibração da câmera
(Link)
palavras finais
Continue atualizando sempre que estiver interessado.
Espero que ajude você.
------------------------------------------------
referências:
1) Calibração conjunta LiDAR e IMU e executar LIOSAM
3) Pacote de calibração conjunta Lidar e IMU lidar_IMU_calib extensão baseada em RS-32