ROS--传感器标定

转发：多传感器融合感知 --传感器外参标定及在线标定学习

转发：标定工具箱 OpenCalib: 自动驾驶多传感器的一个开源标定工具箱

      下图是我们常用的几个坐标系，而对于常用的外参问题经常是IMU/GNSS与车体坐标的外参、Lidar和Camera的外参、Lidar和Lidar的外参、Lidar和IMU/GNSS的外参。

标定坐标系关系

一辆车会安装多个传感器，需要通过传感器标定来确定相互之间的坐标关系。因此，传感器标定是自动驾驶的基本要求。传感器标定可分为两部分：内参标定和外参标定。内参决定传感器的内部映射关系。例如，摄像头标定内参是焦距和镜头畸变；利用陀螺仪（gyroscope）和加速度计（accelerometer）的零偏、尺度因子和安装误差对IMU内参进行标定；激光雷达内参是内部激光发射器坐标与激光雷达坐标装置之间的转换关系。外参确定传感器与外部坐标系之间的转换关系，包括用于旋转和平移的6自由度参数。

在自动驾驶的研究和开发中，传感器之间外参标定是常见的。因为获得的数据类型不同，不同传感器之间标定的最大问题是如何测量最佳值。传感器对的不同，标定误差最小化的目标函数也会不同。外参标定方法通常可分为无目标（targetless）标定和基于目标（target-based）标定。前者是在自然环境中进行的，几乎没有限制，不需要特殊目标；后者需要一个特殊的控制场，并有一个真实值（GT）目标。

目前，有一些与传感器标定相关的开源项目，如Kalibr、Autoware等，还有更多特定标定类型的开源项目，如激光雷达之间和激光雷达-IMU的标定。OpenCV还提供了一些标定工具。然而，目前还没有针对自动驾驶不同应用场景的完整calibration toolbox。

基于目标的标定方法广泛应用于传感器标定过程中。基于目标的方法通常需要手动标定目标，如棋盘、多边形棋盘，这两种模式传感器都可以轻松检测。此外，基于目标的方法可以使用有关目标的先验知识，增强标定结果。目标方法比无目标方法更精确。

传感器的内参标定通常采用目标法。常用的摄像头内参标定方法是Zhang的棋盘法。除了棋盘格图案外，还有一个常见的圆网格，用于标定摄像头内参。一些激光雷达内参标定方法是通过框或面墙执行的。多个传感器之间的外参标定必定常通过基于目标的方法进行，如工厂标定、标定屋。