本文主要是介绍r3live 使用前提 雷达-相机外参标定 livox_camera_lidar_calibration，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
标定的是相机到雷达的,R3live下面配置的雷达到相机的,所以要把得到外参旋转矩阵求逆,再填入,平移矩阵则取负
港科大livox_camera_calib虽然操作方便，但是使用mid360雷达会有视角问题（投影三维点到相机），尝试了很多场景，标定效果都不理想（推荐场景是楼梯间），看来港大的更适合avia之类窄角度的雷达。livox_camera_lidar_calibration标定效果还不错，但是注意不能使用官方版本，里面有很多坑。ubuntu20下使用不是很友好，小bug比较多，真正意义的全手动标定。坑到怀疑人生
推荐另外一个在线标定方式lidar2cam_calibration
改进版livox_camera_lidar_calibration 使用注意事项
1、获取角点坐标通过点击鼠标左键，通过鼠标右键结束，程序会自动跳转到第二张图片继续重复上述步骤直到获取角点结束。
2、官方教程里用的图片格式是bmp,实测png格式也可以
（png格式转bmp格式 使用conver工具 ）
sudo apt install imagemagick
conver 0.png 0.bmp
3、获取点云角点坐标通过shift+鼠标左键拾取，按 q 键跳转到下一个pcd
4、图片和点云bag命名规则从0开始 0.bmp 0.png
5、每次迭代运算的cost，外参结果以齐次矩阵的格式保存 data/parameters/extrinsic.txt下，结果求逆解算修改到r3live
6、计算前在getExt1.launch文件中配置好外参初值。初值对标定结果影响很大
可以从终端看到
初始的cost 是 3.496e4,优化后为5.749e1
如果标定效果不好的话，就使用 getExt２节点，getExt1节点只优化外参，而getExt2节点在计算的时候会将一开始计算的内参作为初值和外参一起优化。输入指令程序会得到一个新的内参和外参，并用新的参数来进行重投影验证。一般使用getExt1节点即可，如果在外参初值验证过，并且异常值已经剔除后，优化还是有较大的残差，那么可以使用getExt2试一试。使用的前提需要保证标定数据量较大，并且要充分验证结果。
livox_camera_lidar_calibration_modified
求解外参时进行两次优化，第二次优化时不将重投影误差大于阈值的对应点对加入优化方程
opencv 鼠标事件
CV_EVENT_MOUSEMOVE ：鼠标移动
CV_EVENT_LBUTTONDOWN : 鼠标左键按下
CV_EVENT_RBUTTONDOWN : 鼠标右键按下
CV_EVENT_MBUTTONDOWN ： 鼠标中键按下
CV_EVENT_LBUTTONUP ： 鼠标左键放开
CV_EVENT_RBUTTONUP ： 右键放开
CV_EVENT_MBUTTONUP ： 中键放开
CV_EVENT_LBUTTONDBLCLK ： 左键双击
CV_EVENT_RBUTTONDBLCLK ： 右键双击
CV_EVENT_MBUTTONDBLCLK ： 中键双击
CV_EVENT_MOUSEWHEEL ： 鼠标向前（+）或向后（-）滑动
CV_EVENT_MOUSEHWHEEL ： 鼠标向右（+）或向左（-）滑动
查看图像像素坐标的软件
sudo apt-get install mtpaint
这篇关于r3live 使用前提 雷达-相机外参标定 livox_camera_lidar_calibration的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
