本文介绍了在自动驾驶领域中，深度相机和激光雷达作为关键传感器的局限性，如深度相机的特征提取困难和视角影响，以及激光雷达的数据不直观和易丢失信息。为解决这些问题，文章详细阐述了相机的内参、外参标定过程，包括畸变校正，并提到了使用Autoware进行联合标定的方法。此外，还展示了基于松灵小车的融合代码，通过点云投影实现图像与雷达数据的融合，以及如何处理和过滤点云数据。
深度相机和激光雷达是智能汽车上常用的传感器。但深度相机具有特征难以提取，容易受到视角影响。激光雷达存在数据不够直观且容易被吸收，从而丢失信息。因此在自动驾驶领域，需要对于不同传感器做数据的融合和传感器的标定。
相机内参标定
内参标定的原理和方法比较简单，由于只有焦距是未知量，因此计算焦距，求得内参。
相机的畸变
畸变属于成像的几何失真,它是由于焦平面上不同区域对影像的放大率不同而形成的画面扭曲变形现象。在内参标定时需要获取相机的畸变向量矩阵。
相机的外参标定
利用Atuoware获取融合标定参数
- 启动16线激光雷达和深度相机
- 录制标定过程bag包（过程中定时改变标定板位置）
- 编译标定工具箱calibration_camera_lidar
- 编译非线性库nlopt
- 利用calibration_camera_lidar进行联合标定
- 保存外参矩阵、内参矩阵和畸变矩阵
- 编写点云投影融合图像程序
- 完成标定与验证
具体的操作可以参考：【Autowa
扫一扫
287
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
