企业官网建设流程全解析

Autoware 相机联合雷达标定核心是先完成相机内参标定，再通过工具匹配图像与点云对应特征求解外参（旋转 + 平移矩阵），最后验证优化，常用工具为 autoware_camera_lidar_calibrator 与 Calibration Tool Kit，以下是详细流程。

一、标定准备
1.硬件与场景
相机与激光雷达安装牢固，确保标定过程无位移；镜头、雷达罩清洁，预热 10 分钟以上。
标准棋盘格标定板（如 6×8 格，已知方格尺寸），置于两传感器公共视场内，背景简洁、光照均匀（＞500lux）。
确保传感器时间同步，通过 ROS 消息过滤器或硬件同步模块对齐时间戳。
2.软件与数据
安装 Autoware 并配置 ROS 环境，安装依赖包：autoware_camera_lidar_calibrator、image_view2、rviz等。
采集 ROS bag 包，包含图像话题（如/camera/image_raw）和点云话题（如/points_raw），确保数据同步且覆盖多视角。

二、相机内参标定

先获取相机内参（焦距、主点、畸变系数等），生成.yaml文件。

1. 启动内参标定工具：

   bash

   运行

   roslaunch autoware_camera_calibration camera_calibration.launch image_src:=/camera/image_raw

2. 移动标定板，在图像中显示不同角度，工具自动检测棋盘格并计算内参。
3. 完成后生成内参文件，如20260106_1000_autoware_camera_calibration.yaml，保存备用。

三、相机 - 雷达标定（外参求解）

方法一：使用 autoware_camera_lidar_calibrator（手动选点法）

1. 启动标定节点，指定内参文件和图像话题：

   bash

   运行

   roslaunch autoware_camera_lidar_calibrator camera_lidar_calibration.launch intrinsics_file:=/path/to/xxx.yaml image_src:=/camera/image_raw

2. 打开 Rviz，添加点云话题，设置正确的 fixed frame；同时打开图像查看器（image_view2）。
3. 手动匹配对应点：在图像中点击标定板角点，在 Rviz 中用 Publish Point 工具点击点云中对应 3D 点，至少匹配 9 组不同位置的点（覆盖不同深度和角度）。
4. 系统自动计算外参，结果保存为xxx_autoware_lidar_camera_calibration.yaml，包含旋转矩阵 R、平移向量 T。

方法二：使用 Calibration Tool Kit（棋盘格自动匹配法）

1. 启动工具，配置标定板参数（如格子数、尺寸），加载 ROS bag 包。
2. 播放 bag，在合适帧暂停，点击 “Grab” 抓取当前图像与点云帧。
3. 在图像和点云窗口中标记标定板区域，重复抓取多组（10-20 组）不同角度数据。
4. 点击 “Calibrate”，工具通过 PnP 算法结合非线性优化求解外参。

四、结果验证与优化

1. 可视化验证
   • 启动 Calibration Publisher，加载标定文件，在 Rviz 中查看点云投影到图像的效果，红色散点应与标定板角点重合。
   • 用Project功能，检查重投影误差（理想值＜0.5 像素），误差过大则重新采集数据或调整匹配点。
2. 优化调整
   • 若误差较大，增加匹配点数量或优化标定板摆放角度，重新计算外参。
   • 验证完成后，将外参文件集成到 Autoware 的 TF 树，用于后续传感器融合