2d Laser 和 camera 标定工具原理及使用方法

2d 激光和相机之间的标定早在 04 年就出了成熟的论文和方法,17 年 ICCV, IROS,今年 IROS 等依然还有论文产出,具体的论文列表可以参考我的《论文阅读整理》博客。本篇博客主要讲述 04 年方法的原理以及代码的实现, 代码开放在我们的github上,在自己机器人上采集了多次数据进行标定,标定结果在 1cm 内浮动,均值附近正负几毫米。

标定原理

准备材料:标定板一个(平板上贴有棋盘格或者二维码,我使用的为 apriltag,apriltag 使用我们代码文件夹里提供的,直接打印成 A4 大小,特别注意自己在网上下载的 apriltag 大小各异,注意测量 apritag 的尺寸,我们的为0.1612m),已经标定好内参数的相机一个。

标定原理如下图所示,相机通过二维码估计标定板平面在相机坐标系下的平面方程,由于激光点云落在平面上,将点云通过激光坐标系到相机坐标系的外参数 T c l T_{cl} Tcl 转换到相机坐标系,构建点到平面的距离作为误差,使用非线性最小二乘进行求解。
在这里插入图片描述

标定板平面在相机坐标系下的求解

假设通过二维码求解 Pnp 已经知道二维码到相机坐标系的变换矩阵 T c m T_{cm} Tcm, 平面方程在二维码坐标系下为 P m = [ 0 , 0 , 1 , 0 ] ⊤ P_m = [0,0,1,0]^\top Pm=[0,0,1,0]。那么平面方程在相机坐标系为
P c = ( T c m − 1 ) ⊤ ∗ P m P_c=(T^{-1}_{cm})^{\top}*P_m Pc=(Tcm1)Pm平面方程在不同坐标系下的变换的公式推导,可以参看 stackoverflow 上别人的回答。

误差方程的构建和求解

平面在相机坐标系下的方程知道后,就能很快构建误差方程, 首先将激光点 p l i p^i_l pli 从激光坐标系转换到相机坐标系。 p c i = T c l ∗ p l i p^i_c = T_{cl} * p^i_l pci=Tclpli 然后,利用点到平面的距离方程构建误差, r i = d ( p c i , P c ) r_i = d(p^{i}_c,P_c) ri=d(pci,Pc) 使用 ceres 对一堆点的误差进行非线性最小二乘求解。

改进

实际上标定时会采集很多时刻的数据,激光点云数据量加起来可能会很多,直接丢给 ceres 求解速度慢。对于某一时刻,由于点云噪声通常在几厘米跳动,所以我们可以先对该时刻的激光数据进行直线拟合,然后只利用直线上的两个点来构建约束,这样就能减少 ceres 的计算量。

标定工具的使用 (具体操作细节请从参考 github readme)

最近升级了代码,使用更加方便,标定结果更加稳定。主要改动如下:

  1. 能自动检测落在标定板上的激光点。
  2. apriltag 的代码支持利用多个 marker 估计相机到标定板之间的外参数 T c m T_{cm} Tcm

1. 数据的采集示例

在这里插入图片描述

2. 标定结果的评估示例

在这里插入图片描述

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 游动-白 设计师:上身试试 返回首页