使用LIO-SAM进行点云赋色与激光雷达和相机的精细化标定（防止自己忘记的博客）----- 激光雷达和相机的精细化标定

1 标定相机

2 激光雷达、相机粗标定

3 精细化标定激光雷达和相机

1 标定相机

        使用Kaliber标定D435i相机，本次标定的分辨率为1920*1080，相机的内参如下：

        FX：1439.96402547

        FY：1442.82612329

        CX：979.00103052

        CY：565.47085426

        K1：0.10055069

        K2：-0.2034116

        P1：0.00245444

        P2：-0.00117788

        由于做点云赋色，并不要求VIO性能，因此重投影误差不要求很小，本次重投影误差为2pixel：

2 激光雷达、相机粗标定

        使用autoware的雷达相机标定工具，粗略的求出Lidar->Camera和Camera->Lidar的旋转平移变换：

Tcl
[[-0.06861033 -0.99751013 -0.01631455 0.03627205]
[ 0.03137146 0.01418779 -0.99940709 -0.03832164]
[ 0.99715017 -0.06908146 0.03031992 -0.03982055]
[ 0.          0.          0.          1.        ]]

Tlc
[[-0.06861033 0.03137146 0.99715016 0.04339791]
[-0.99751013 0.0141878 -0.06908146 0.03397458]
[-0.01631454 -0.9994071   0.03031992 -0.0364998 ]
[ 0.          0.          0.          1.        ]]

3 精细化标定激光雷达和相机

        使用录制好的标定包，删除掉工作空间的这三个文件夹的内容：

        在外刷新ROS环境。并进入clion：

        启动groundremove节点，并播放标定用包。位置在/bag/PatchmatchNet-main/data/清明/assistBD.bag中。

        得到了拆分的雷达点云和图像：

        得到拆分图像后，运行/home/liuhongwei/catkin_mask/src/predict_in_lvi.py文件，执行DetectMask函数，将文件夹换成mask文件夹。

        执行。得到标定的mask信息。

        在assistBiaoding.cpp中，将相机参数换掉。

        代码的57-59行替换雷达->相机的变换矩阵。

        27-33行读入邻近的帧

        原本的标定结果是这样的，需要调整，对齐图像：

        得到精细化标定结果：

        选择另外图像进行微调:

        微调成功！标定成功！