# ecalib

**Repository Path**: dragonlalala/ecalib

## Basic Information

- **Project Name**: ecalib
- **Description**: 自动化标定激光雷达和相机的外参
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-12
- **Last Updated**: 2025-12-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 基于LiDAR和相机的外参标定项目 (ecalib)

### 项目概述
使用Python+ROS1实现基于LiDAR和相机的外参标定，核心思想参考extrinsic_lidar_camera_calibration项目中的Matlab代码。支持Ouster OS1-32旋转雷达和单目彩色相机的标定。

### 系统要求
- Ubuntu 18.04/20.04
- ROS Melodic/Noetic
- Python 3.6+

### 项目模块
1. **rosbag管理模块**：读取、播放、图片提取等功能
2. **图像数据预处理模块**：图像预处理、AprilTag识别、标定板角点提取
3. **标定板识别模块**：AprilTag识别、标定板四角点提取
4. **激光点云数据预处理模块**：点云滤波、标定板点云提取、L1成本函数优化

### 安装和使用步骤

#### 1. 创建ROS工作空间并克隆项目
```bash
# 创建工作空间目录
mkdir -p ~/ecalib_ws/src

# 进入src目录并克隆项目
cd ~/ecalib_ws/src

# 编译工作空间
cd ~/ecalib_ws
catkin_make

# 激活工作空间
source devel/setup.bash
```

#### 2. 安装依赖
```bash
# 安装系统依赖
sudo apt-get install python3-pip python3-rosdep python3-catkin-tools

# 安装Python依赖
pip3 install apriltag python-pcl numpy opencv-python

# 安装ROS依赖
rosdep install --from-paths src --ignore-src -r -y
```

#### 3. 配置参数文件
编辑`config/calibration.yaml`文件，根据实际情况修改以下参数：

```yaml
# 相机内参（必须修改）
camera_intrinsics:
  fx: 2633.59836424  # 焦距x
  fy: 2631.02294407  # 焦距y
  cx: 971.64109562   # 主点x
  cy: 613.88512988   # 主点y
     
# 相机畸变系数（必须修改）
camera_distortion:
  k1: -0.49030989  # 径向畸变系数
  k2: 0.23677133   # 径向畸变系数
  p1: 0.00135158   # 切向畸变系数
  p2: 0.00032218   # 切向畸变系数
  k3: 0.000000     # 径向畸变系数（可选）

# 标定数据参数（必须修改）
calibration_params:
  bag_path: "/home/ljg/apps/output/bags/FILE2025121106.bag"  # rosbag文件路径
  image_topic: "/camera/mipi_image"                           # 相机图像话题
  pointcloud_topic: "/os_cloud_node/points"                  # LiDAR点云话题
  tag_family: "tag36h11"                                      # AprilTag家族
  tag_size: 0.57                                              # AprilTag尺寸（米）
  board_size: 0.6                                             # 标定板边长（米）
```

可根据实际情况选择性修改以下高级参数：
- `initial_guess`: LiDAR到相机的初始变换猜测
- `passthrough_filter`: 点云直通滤波参数
- `distance_range`: 标定板到LiDAR的距离范围
- `corner_order`: 角点排序特征
- `visualize_params`: 可视化开关

#### 4. 设置脚本执行权限
```bash
# 给主脚本设置执行权限
chmod +x ~/ecalib_ws/src/ecalib/main.py
```

#### 5. 编译项目
```bash
cd ~/ecalib_ws
catkin_make
source devel/setup.bash
```

#### 6. 运行标定
```bash
roslaunch ecalib calibration.launch
# 也可以直接定位到main.py文件运行
cd ~/ecalib_ws/src/ecalib
python3 main.py
```

#### 6.1 运行测试
```bash
# 运行测试用例
cd ~/ecalib_ws/src/ecalib/tests
python3 test_calibration.py
python3 test_preprocessor.py
python3 test_pointcloud_preprocessor.py
```

#### 7. 查看结果
标定完成后，结果将保存在`output/`目录下：
- `extrinsic_calibration.yaml`: 外参结果
- `pic_*.jpg`: 中间处理图像
- `visualization_*.png`: 结果可视化

### 修改指南

#### 1. 参数文件修改 (config/calibration.yaml)
这是最主要的修改文件，几乎所有标定参数都在此配置。

#### 2. 图像预处理模块 (image_preprocessor.py)
- 可修改AprilTag识别算法
- 可调整标定板角点提取逻辑
- 可优化图像预处理流程

#### 3. 点云预处理模块 (pointcloud_preprocessor.py)
- 可修改点云滤波算法
- 可调整标定板点云提取策略
- 可优化L1成本函数实现

#### 4. 主标定流程 (main.py)
- 可调整标定流程顺序
- 可修改优化算法
- 可添加新的标定功能

#### 5. 测试文件 (tests/)
- 可添加新的测试用例
- 可修改测试数据
- 可优化测试流程

### 数据采集说明
1. 使用带有AprilTag的正方形标定板（边长0.6米，中间AprilTag尺寸0.57米x0.57米）
2. 将标定板放置在相机前方，每个场景静置采集10秒左右
3. 移动采集系统到不同角度和距离，重复采集

### 注意事项
- 确保ROS环境已经正确配置
- 确保rosbag文件包含正确的图像和点云话题
- 确保标定板在采集过程中保持静止
- 标定结果不理想时，可尝试调整滤波参数和距离范围

### 许可证
MIT License