标定的意义

对于无人驾驶车辆路径规划，我们标定的意义是什么？

在定位与建图中，我们都需要知道移动机器人自身的位姿。
我们的车载传感器记录的信息都是在自身的相对坐标系下来表示数据的。很重要的一个问题是如何来统一这些数据。
通过标定，我们来确定各个传感器坐标系与车体坐标系之间的转换关系。标定可以分为（单一传感器标定）和（多传感器标定）。比如相机标定，激光雷达标定，相机与雷达联合标定。详细的照相机标定与位姿计算，参考此链接。在这里我们只做简单的回顾：

相机畸变模型

当然，实际的相机并不是像小孔成像，我们生产的镜头一般由透镜组成，根据透镜的形状不同，我们会得到不同的失真，称作径向畸变（桶状，枕状）；而由于相机在生产组装中产生的误差，透镜与成像面不严格平行，我们称作切向畸变。

单目相机的标定方法

一步法：直接使用最优算法求出相机内外参数；这样求得的结果依赖于给定的初始值。如果初始值不合适则很难得到好的结果。我们一般不适用。
两步法：目前更流行，Tsai方法和Zhang方法。

Zhang式标定法

求解相机内置参数矩阵和外参数矩阵一定要有相机的空间坐标和像素坐标。一般最常用的是棋盘格标定法。我们的棋盘格有固定的已知边长，根据相应的图像处理方法，我们可以得到像素坐标和标定板坐标对。值得注意的事情：标定结果的外参是相机相对于标定板的外参是相机相对于标定板的外参。我们需要转换成相对于车体坐标系下的外参。如下图所示，可以在标定时将标定板与地面平行或者垂直放置，测量出标定板与车体坐标系原点的距离。
标定不准确会影响后续的检测算法。

双目相机标定

实际的双目相机有安装误差，所以我们需要事先对两个相机进行标定消除安装误差。我们要知道两个相机之间的相对空间位置关系，知道后可以把两个不在同一平面的相机变换到同一平面。双目测距原理，再查。

激光雷达标定

激光雷达标定

首先我们先来了解什么是激光雷达。根据发射激光束的数目，我们有如下分类：单线激光雷达，多线激光雷达。

激光雷达原理

激光雷达根据测量反射光和反射光之间的时间差来测距。
典型的激光雷达有水平扫描角度$\alpha$α和角度分辨率$\beta$β。最大水平扫描角度也称为水平视场角度。激光雷达返回的坐标数据是极极坐标系下的距离和角度。
VREP（Virtual Robot Experimentation Platform）可以模拟相关的激光雷达检测，低于安装平面的物体是无法被激光雷达检测到的。（缺点1）单线激光雷达遇到斜坡时由于只能在一个平面上进行扫描，所以无人驾驶车辆会把斜坡当作障碍物。（缺点2）

多线激光雷达

但是当我们用多线激光雷达时可以避免这种情况。依据一些算法可以识别出斜坡。比如64线激光雷达在垂直方向上有比较稠密的线束，障碍物形成的轮廓是可以检测到的。orz人类的智慧！！！当然，多线激光雷达也是有盲区的。
激光雷达比较依赖于环境，它会把烟雾和灰尘看成是障碍物，影响我们的判断。

毫米波雷达

烟雾灰尘对于毫米波雷达的影响较少，毫米波雷达是锥状的。

由下图可知，毫米波可以穿透烟雾。
雷达数据分析（以后用到再学）

激光雷达标定

激光雷达标定

与相机标定类似，激光雷达也有内参（由厂家提供）和外参之分 。 内参是内部激光发射器坐标囍和雷达自身坐标器之间的转换关系。外参是激光雷达与移动机器人之间的坐标系转换关系。我们主要标定的是俯仰角（x轴）和侧倾角（y轴）。
我们使用长宽已知的矩形板ABCD来标定$\gamma$γ，利用三角形余弦定理来求解侧倾角。
几何关系求解$\alpha$α:（自行推理）


多线雷达使用的是纸箱法。