本文提出一种新颖的方法，可以对3D lidar和带有标定板的相机进行全自动的外参标定，提出的方法能够从lidar的每一帧点云数据中利用强度信息提取标定板的角点。通过激光的反射强度和棋盘格颜色之间的相关性的约束来优化将棋盘格分割的模型，所以一旦我们知道了3D 点云中棋盘的角点，那么两个传感器之间的外部校准就转换成了3D-2D的匹配问题。相应的3D-2D点计算两个传感器之间的绝对姿态一般使用的方法是UPnP，此外，将计算出来的参数作为初始值，并且使用LM优化方法进行完善，使用了仿真的方法评估了3D 点云中提取角点的性能，在论文 中使用了Velodyne HDL 32雷达和Ladybug3相机进行了实验，并最终证明了外参计算的准确性和稳定性。
github:https://github.com/icameling/lidar_camera_calibration
主要功能介绍
该方案外参数的计算是根据激光雷达的强度和相机进行的全自动的外部参数的标定，这个代码用pathon实现了，同时也出现了C++的延伸版本，算法的主要功能：
（1）velodyne 3D LIDAR采集点云的自动分割。
（2）标定板的自动检测。
（3）标定板点云数据的角点的检测。
（4）外部标定参数的优化。
（5）使用了VTK对点云做了可视化的功能。
该功能是可以适配在VLP-16. HDL-32 HDL-64，论文中使用32线的激光雷达做了数据的测试。
论文图集
点云PCL免费知识星球，点云论文速读。文章：Single-Shot is Enough: Panoramic Infrastructure Based Calibration of Multiple Cameras and 3D LiDARs作者：Chuan Fang1 , Shuai Ding, Zilong Dong, Hong...
三 , ROS 环境下 如何进行相机标定 刚开始做到的时候遇到一些问题没有记录下来，现在回头写的时候都是没有错误的结果了，首先使用ＲＯＳ标定相机， 要知道如何查看节点之间的流程图 rosrun rqt_graph rqt_graph ，如何查看我们运行的节点 rosnode list, 查看运行的话题...
一 、 理解摄像机模型，网上有很多讲解的十分详细，在这里我只是记录我的整合出来的资料和我的部分理解 计算机视觉领域中常见的三个坐标系：图像坐标系，相机坐标系，世界坐标系，实际上就是要用矩阵来表 示各个坐标系下的转换,首先在图像坐标系下与相机坐标系的关系 &nbs...
来源：公众号|计算机视觉工坊（系投稿）作者：仲夏夜之星「3D视觉工坊」技术交流群已经成立，目前大约有12000人，方向主要涉及3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、...
点云PCL免费知识星球，点云论文速读。文章：Real-Time LIDAR-Based Urban Road and Sidewalk Detection for Autonomous Vehicles作者：Ern˝o Horváth , Claudiu Pozna ,and Miklós Unger编译：点云PCL代码：http...
文章：Semantic Histogram Based Graph Matching for Real-Time Multi-Robot Global Localization in Large Scale Environment作者：Xiyue Guo, Junjie Hu, Junfeng Chen, Fuqin Deng, T...
点云PCL免费知识星球，点云论文速读。文章：Robust Place Recognition using an Imaging Lidar作者：Tixiao Shan, Brendan Englot, Fabio Duarte, Carlo Ratti, and Daniela Rus编译：点云PCL（ICRA 2021）开源代码：...
文章：A Survey of Calibration Methods for Optical See-Through Head-Mounted Displays作者：Jens Grubert , Yuta Itoh, Kenneth Moser编译：点云PCL本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PD...