Open xiehao-ai opened 6 months ago
你好,我也是使用AVIA激光雷达进行的实验,但是效果不太好,从您这个结果图来看AVIA的视场角好像是不大的,是有什么调整的方式吗,我的Avia拍摄出来的标定板上的点云格子之间边界不清晰,大概能有1~2cm重合的绿线,不知道是不是这个原因我的结果误差很大,想请问一下您是否有这种情况呢
你好,我也是使用AVIA激光雷达进行的实验,但是效果不太好,从您这个结果图来看AVIA的视场角好像是不大的,是有什么调整的方式吗,我的Avia拍摄出来的标定板上的点云格子之间边界不清晰,大概能有1~2cm重合的绿线,不知道是不是这个原因我的结果误差很大,想请问一下您是否有这种情况呢
你好,我也是使用AVIA激光雷达进行的实验,但是效果不太好,从您这个结果图来看AVIA的视场角好像是不大的,是有什么调整的方式吗,我的Avia拍摄出来的标定板上的点云格子之间边界不清晰,大概能有1~2cm重合的绿线,不知道是不是这个原因我的结果误差很大,想请问一下您是否有这种情况呢
“我的Avia拍摄出来的标定板上的点云格子之间边界不清晰,大概能有1~2cm重合的绿线,不知道是不是这个原因我的结果误差很大,想请问一下您是否有这种情况呢”:从我的经验来看,这不是影响标定效果的根本原因,你可以看一下我的标定图像(其实当时应该上传一张去畸变的图像......),格子之间也有线存在。具体原因需要知道你更多的实验细节再进行分析
非常感谢!! 1、我整体的标定结果如下,使用的相机视场角是比激光雷达小的,结果上看有的误差就非常大,可以看到重投影误差已经有2cm了。 2、我也尝试过使用官网的方法进行优化,但是效果也不太好,所以才在想会不会因为绿色的线导致点云角点检测这里误差较大。
非常感谢!! 1、我整体的标定结果如下,使用的相机视场角是比激光雷达小的,结果上看有的误差就非常大,可以看到重投影误差已经有2cm了。 2、我也尝试过使用官网的方法进行优化,但是效果也不太好,所以才在想会不会因为绿色的线导致点云角点检测这里误差较大。
感谢作者的开源代码!
曾经尝试过6种方法进行livox雷达和相机的联合标定,包括livox官方开源的那两个。从效果上看,还是基于标定板的方法靠谱,很多自动标定的方法对采集环境的要求太高,现实很难找到理想的场地去完成标定;matlab高版本中也有集成的激光雷达相机联合标定方法,但是使用起来稍微繁琐一点,而且标定效果也不稳定。
由于作者的开源代码标定的效果太好了,完美解决了我遇到的问题,欣喜之余分享一下我使用作者代码标定的一些经验。
使用多台设备多次标定,结果都是一次成功。 如果使用该方法标定结果稍有差异(很少出现),可以将代码中生成的标定板3d点和2d点存下来,使用livox官方提供的手工标定方法,直接替换那两个存储3d和2d点的txt文件,使用同时优化外参和内参的方法,可以达到理想的标定效果。
系统环境:ubuntu20.04,pothon3.8,ROS1-noetic 激光雷达: Livox-AVIA 相机:1200W/800W像素 高质量黑白棋盘格标定板及单杆立式固定支架
我配置的环境: pip install numpy==1.23 pip install scipy pip install scikit-learn pip install rospy pip install rospkg pip install pyyaml pip install transforms3d sudo apt-get install ros-noetic-ros-numpy
建立链接: ln -s /usr/bin/python3 /usr/bin/python
由于使用的为python3,相关源码需要进行修改: 我使用的相机没有对应的ROS驱动,因此图像采集使用cheese,代码中图像采集相关的代码被我注释掉了
cd /path/to/your/ACSC/ros/livox_calibration_ws/src/calibration_data_collection/scripts
打开文件夹下唯一的py文件,修改第11、40、41、310、328、344行
修改ros中的launch文件 cd path/to/your/ACSC/ros/livox_calibration_ws/src/calibration_data_collection/launch/lidar_camera_calibration.launch 将config-path 设置为 data_collection.yaml 的路径
之后catkin_make编译,按照作者的教程就可以进行标定了,我采集了30组数据左右
最后放一张标定效果图像: ![Uploading 0.jpg…]()