PJLab-ADG/SensorsCalibration项目：激光雷达与相机标定技术详解

原创于 2025-06-24 09:01:11 发布 · 338 阅读

CC 4.0 BY-SA版权

PJLab-ADG/SensorsCalibration项目：激光雷达与相机标定技术详解

项目概述

PJLab-ADG/SensorsCalibration项目中的lidar2camera模块提供了一套完整的激光雷达(LiDAR)与相机标定解决方案，包含手动标定和自动标定两种方法。该工具能够精确计算激光雷达与相机之间的外参（旋转矩阵R和平移向量t），是多传感器融合系统中不可或缺的基础组件。

技术背景

在自动驾驶、机器人导航等领域，激光雷达和相机是最常用的传感器组合。激光雷达提供精确的三维距离信息，而相机则提供丰富的纹理和颜色信息。要将这两种数据源有效融合，必须首先解决传感器间的标定问题，即确定它们之间的相对位置和姿态关系。

环境准备

使用本标定工具前，需要确保系统已安装以下依赖：

Cmake：3.0及以上版本
OpenCV：2.4版本（用于图像处理）
Eigen3：线性代数运算库
PCL：1.9版本（点云处理库）
Pangolin：3D可视化工具

编译指南

项目采用标准的CMake编译流程：

mkdir -p build && cd build
cmake .. && make

编译完成后，可执行文件将生成在bin目录下。

手动标定工具详解

输入文件说明

手动标定需要准备四个关键文件：

相机图像：标定场景的RGB图像
激光雷达点云：同一场景的PCD格式点云数据
相机内参：JSON格式的相机内参矩阵
初始外参：JSON格式的传感器间初始外参估计

操作流程

启动标定工具：

./bin/run_lidar2camera data/0.png data/0.pcd data/intrinsic.json data/extrinsic.json

标定界面分为两部分：
- 左侧控制面板：提供参数调整按钮和键盘快捷键
- 右侧投影图像：显示点云投影到图像平面的效果

核心功能解析

外参调整

提供6自由度调整能力，每个自由度对应特定键盘快捷键：

| 参数调整 | 增加快捷键 | 减少快捷键 | |------------|-----------|-----------| | X轴旋转 | q | a | | Y轴旋转 | w | s | | Z轴旋转 | e | d | | X轴平移 | r | f | | Y轴平移 | t | g | | Z轴平移 | y | h |

内参调整

支持焦距参数的微调： | 参数调整 | 增加快捷键 | 减少快捷键 | |---------|-----------|-----------| | fy | i | k | | fx | u | j |

高级功能

强度着色：将点云按反射强度值着色，便于检查车道线对齐
重叠过滤：去除0.4m深度内的重叠点
步长设置：可调整旋转(deg step)、平移(t step)和焦距(fxfy scale)的调整步长
点云大小：控制投影点的显示大小

结果保存

标定完成后，工具会输出以下信息：

外参矩阵（旋转矩阵R和平移向量t）
内参矩阵
畸变系数
JSON格式的参数文件

自动标定工具解析

技术原理

自动标定工具基于道路场景中的线特征（如车道线、电线杆等）进行标定，其核心流程包括：

从图像中提取线特征（需预先处理）
从点云中提取线特征
通过特征匹配优化外参

使用说明

准备输入文件：
- 特征提取后的图像（mask）
- 激光雷达点云
- 相机内参
- 初始外参估计
执行自动标定：

./bin/run_lidar2camera data/mask.jpg data/calib.pcd data/intrinsic.json data/extrinsic.json

技术优势

相比手动标定，自动标定具有以下特点：

减少人为干预，提高标定效率
基于线特征匹配，精度可靠
特别适合道路场景应用

学术参考

本项目的自动标定算法基于以下研究：

@misc{2103.04558,
Author = {Tao Ma et al.},
Title = {CRLF: Automatic Calibration and Refinement based on Line Feature for LiDAR and Camera in Road Scenes},
Year = {2021},
}