多传感器联合标定：摄像头与激光雷达的外参校准实战

在机器人技术中，传感器标定是确保机器人环境感知系统准确性的关键步骤。特别是在多传感器联合标定中，摄像头和激光雷达的外参校准尤为重要。本文将详细讲解多传感器（摄像头 + 激光雷达）联合标定的方法，并结合实际机器人环境感知系统实例，演示张正友标定法与手眼标定法的原理及代码实现框架。

一、多传感器联合标定的重要性

多传感器联合标定的目的是确定不同传感器之间的相对位置和姿态，即外参。这对于机器人系统来说至关重要，因为只有准确的传感器外参，才能保证机器人对环境的感知是准确和一致的。

二、张正友标定法

张正友标定法是一种常用的摄像头标定方法，通过拍摄一个已知尺寸和形状的标定板，利用图像处理技术来计算摄像头的内参和外参。

1. 标定步骤

准备标定板：使用一个已知尺寸的棋盘格标定板。
采集图像：从不同角度拍摄标定板的图像。
提取角点：在每张图像中提取棋盘格的角点。
计算内参和外参：利用OpenCV等库函数计算摄像头的内参矩阵和外参矩阵。

2. 代码实现框架

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    std::vector<std::vector<cv::Point3f>> objectPoints;
    std::vector<std::vector<cv::Point2f>> imagePoints;
    // 初始化标定板和图像点
    // ...

    cv::Mat cameraMatrix, distCoeffs, R, T;
    cv::calibrateCamera(objectPoints, imagePoints, cv::Size(640, 480), cameraMatrix, distCoeffs, R, T);

    std::cout << "Camera Matrix: " << cameraMatrix << std::endl;
    std::cout << "Distortion Coefficients: " << distCoeffs << std::endl;
    std::cout << "Rotation Matrix: "<< R << std::endl;
    std::cout << "Translation Vector: "<< T << std::endl;

    return 0;
}

三、手眼标定法

手眼标定法用于确定机器人末端执行器（手）和摄像头（眼）之间的相对位置和姿态。该方法通过采集末端执行器和标定板的图像，计算出手眼之间的外参。

1. 标定步骤

准备标定板：同样使用一个已知尺寸的棋盘格标定板。
采集图像：分别从机器人末端执行器的视角和摄像头的视角拍摄标定板的图像。
提取角点：在每张图像中提取棋盘格的角点。
计算外参：利用OpenCV等库函数计算手眼之间的外参矩阵。

2. 代码实现框架

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    std::vector<std::vector<cv::Point3f>> objectPoints;
    std::vector<std::vector<cv::Point2f>> imagePointsEye, imagePointsHand;
    // 初始化标定板和图像点
    // ...

    cv::Mat R, T;
    cv::stereoCalibrate(objectPoints, imagePointsEye, imagePointsHand, cameraMatrixEye, distCoeffsEye, cameraMatrixHand, distCoeffsHand, cv::Size(640, 480), R, T);

    std::cout << "Rotation Matrix: "<< R << std::endl;
    std::cout << "Translation Vector: "<< T << std::endl;

    return 0;
}