目录
标定内容及方法
雷达内参标定
IMU内参标定
编码器内参标定
相机内参标定
雷达和相机外参标定
多雷达外参标定
手眼标定
融合中标定
总结
连续时间
标定内容及方法
雷达内参标定
1) 目的
由于安装原因，线束之间的夹角和设计不一致，会导致测量不准。
2) 方法
多线束打在平面上，利用共面约束，求解夹角误差。
3) 参考
论文： Calibration of a rotating multi-beam Lidar
论文： Improving the Intrinsic Calibration of a Velodyne LiDAR Sensor
论文： 3D LIDAR–camera intrinsic and extrinsic calibration: Identifiability and analytical least-squares-based
initialization
IMU内参标定
1) 目的
由于加工原因，产生零偏、标度因数误差、安装误差。
2) 方法
分立级标定：基于转台；
迭代优化标定：不需要转台。
3) 参考
论文：A Robust and Easy to Implement Method for IMU Calibration without External Equipments
代码：https://github.com/Kyle-ak/imu_tk
编码器内参标定
1) 目的
用编码器输出解算车的位移增量和角度增量，需已知轮子半径和两轮轴距。
2) 方法
以车中心雷达/RTK做观测，以此为真值，反推模型参数。
3) 参考
论文： Simultaneous Calibration of Odometry and Sensor Parameters for Mobile Robot
相机内参标定
1) 目的
相机与真实空间建立关联，需已知其内参。
2) 方法
张正友经典方法
雷达和相机外参标定
1) 目的
解算雷达和相机之间的相对旋转和平移。
2) 方法
PnP是主流，视觉提取特征点，雷达提取边缘，
建立几何约束。
3) 参考
论文： LiDAR-Camera Calibration using 3D-3D Point correspondences
代码：https://github.com/ankitdhall/lidar_camera_calibration
论文： Automatic Extrinsic Calibration for Lidar-Stereo Vehicle Sensor Setups
代码： https://github.com/beltransen/velo2cam_calibration
多雷达外参标定
1) 目的
多雷达是常见方案，使用时将点云直接拼接，但前提是已知雷达之间的外参（相对旋转和平移）。
2) 方法
基于特征(共面)建立几何约束，从而优化外参。
3) 参考
论文： A Novel Dual-Lidar Calibration Algorithm Using Planar Surfaces
代码： https://github.com/ram-lab/lidar_appearance_calibration
手眼标定
1) 目的
手眼标定适用于所有无共视，但是能输出位姿的传感器之间标定。包括：
• 无共视的相机、雷达，或雷达与雷达之间；
• 相机与IMU，或雷达与IMU之间(前提是IMU要足够好，或直接使用组合导航)。
2) 方法
均基于公式
3) 参考
论文： LiDAR and Camera Calibration using Motion Estimated by Sensor Fusion Odometry
代码： https://github.com/ethz-asl/lidar_align
融合中标定
1) 目的
• 脱离标靶，实现在线标定；
• 某些器件无法提供准确位姿(如低精度IMU)，不能手眼标定。
2) 方法
在融合模型中，增加外参作为待估参数。
3) 参考
众多vio/lio系统，如vins、lio-mapping、M-Loam 等
总结
1) 这些方法中，推荐优先级从高到低为：
a. 基于共视的标定
b. 融合中标定
c. 手眼标定
2) 建议
应在良好环境下标定，尽量避免不分场景的在线标定。良好环境指观测数据优良的场景，例如：
a. GNSS 信号良好；
b. 点云面特征丰富，没有特征退化；
c. 动态物体较少
连续时间
方法
把输入建立为连续时间函数，从而可以在任意时间求导。
参考
a. kalibr 系列
论文：Continuous-Time Batch Estimation using Temporal Basis Functions
论文： Unified Temporal and Spatial Calibration for Multi-Sensor Systems
论文： Extending kalibr Calibrating the Extrinsics of Multiple IMUs and of Individual Axes
代码：https://github.com/ethz-asl/kalibr
b. 助教吕佳俊的工作
论文： Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation
代码：https://github.com/APRIL-ZJU/lidar_IMU_calib
 教程)
 案例详解)
