Automatic Extrinsic Calibration for Lidar-Stereo Vehicle Sensor Setups
paper
ros_code
特點：
1、用於低分辨率的傳感器和特定的pose
2、引入了一種新的標定結果量化評估方法
3 標定方法：
3.1 數據輸入：
- 16線激光雷達點雲信息
- 立體相機的灰度圖
- 深度圖：深度圖保證每一個像素點都有xyz信息，通過Semi-Global Matching (SGM)方法獲取到，該方法在深度估計上比較有效
標定主要是探索兩組點雲之間的關係信息，由於兩組點雲是在各自的座標系中，因此可以由此得出傳感器之間的參數關係；
圓的邊界定位的方法並不會影響標定的精度，因爲圓是通過點的強度值得到的。
3.2 目標分割
目標分割主要用於找到平面上的點雲
- 使用常見的RANSAC方法獲取平面；
![在這裏插入圖片描述]()
- 在平面上找到邊緣上的點，這些點屬於傳感器：利用點雲序列化的條件，將同一線上相鄰的點距離做差值，差值超過閾值的，視爲找到了邊緣上的點（下文方法）；
立體視覺上利用Sobel濾波器根據圖像上的反射值，提取圖像平面的邊界；
J. Levinson and S. Thrun, “Automatic Online Calibration of Camerasand Lasers,” inRobotics: Science and Systems, 2013
3. 此步驟用於提取圓心上的點，圓的中心點作爲用於匹配兩個傳感器的關鍵點
針對激光雷達點雲：爲了提高圓心提取的準確度，實施了一種濾波過程
要點：由於在此階段點雲存在不連續性，因此要去除的離羣值主要來自校準目標的外邊界。
針對相機點雲：圓心的提取和邊緣線提取的估計方法有關係，且需要根據圓的朝向，標定樣式(calibration pattern)的維度，來計算圓心位置（具體不知道咋算的呀）
結論：方法對邊界的提取比較魯棒
通過旋轉，使得XY平面一致，並調整Z座標，將圓的半徑視爲常量，並將圓心之間的實際距離與標定距離作爲考量，獲取到圓心位置
- 怎麼獲取的感覺沒有說清楚，待考察
優點：此方法在二維平面上展開，對圓心點的要求數量較少，因此三個圓就夠了，文章中採用四個圓
採集使用了多幀數據，並保持目標靜止
- 開始標定：
第一步---->>>>
利用兩個傳感器座標系下的圓心點，建立方程，通過最小二乘法得到平移向量三個參數的初值；
第二步---->>>>
利用ICP算法通過最小化兩個圓心之間的距離之和。
4 實驗測試
和下面兩篇文章作對比：
- M. Velas, M. Spanel, Z. Materna, and A. Herout, “Calibration of RGBCamera With Velodyne LiDAR,” inComm. Papers Proc. InternationalConference on Computer Graphics, Visualization and Computer Vision(WSCG), 2014, pp. 135–144
- A. Geiger, F. Moosmann, ̈O. Car, and B. Schuster, “Automatic Cameraand Range Sensor Calibration using a single Shot,” inProc. IEEEInternational Conference on Robotics and Automation (ICRA), 2012,pp. 3936–3943
網絡工具箱：http://www.cvlibs.net/software/calibration/
個人總結（僅僅是個人觀點）：
- 重點可以學習一下如何獲取到圓心點的座標，因爲普通的獲取方法並不會產生較好的精度，標定的第四步優化過程屬於普遍的方法；
- 算法對比不足，缺乏從理論上分析優勢，僅做數據分析；
