Mid-70激光雷达与相机无目标标定实战：从环境搭建到结果验证

1. 为什么选择Ubuntu 16.04进行标定在开始Mid-70激光雷达与相机的标定之前环境搭建是最关键的一步。很多新手可能会疑惑为什么非要使用Ubuntu 16.04这个老古董系统我刚开始接触这个项目时也有同样的疑问直到在实际操作中踩了无数坑之后才明白其中的门道。首先版本兼容性是最大的拦路虎。Livox Mid-70的官方驱动和开源标定工具链如livox_camera_calib都是基于ROS Kinetic开发的而这个版本的ROS官方只支持到Ubuntu 16.04。我在Ubuntu 20.04上尝试编译时光是解决ceres-solver和eigen3的版本冲突就花了整整两天时间最后还是以失败告终。具体来说ROS Kinetic需要g5.4.0和cmake 3.5.1而新系统默认安装的版本会导致各种诡异的编译错误。其次依赖库的版本锁死也是个头疼的问题。香港大学开源的标定算法用到了特定版本的PCL1.7和OpenCV3.2这些在老系统上可以直接apt安装但在新系统上要么需要手动编译要么根本找不到对应的deb包。我试过在Ubuntu 22.04上手动降级这些库结果引发了依赖地狱——安装一个库会卸载十几个其他依赖最后连桌面环境都崩溃了。提示如果手头只有一台主力机强烈建议使用VirtualBox虚拟机方案。我的虚拟机配置是6核CPU、6GB内存和30GB硬盘这个配置既能保证编译速度又不会拖垮宿主系统。2. 环境配置全攻略2.1 ROS Kinetic的安装技巧安装ROS看似简单但在国内网络环境下经常会卡在rosdep init这一步。经过多次尝试我总结出一个稳定的安装流程# 换用中科大源加速下载 sudo sh -c . /etc/lsb-release echo deb http://mirrors.ustc.edu.cn/ros/ubuntu/ lsb_release -cs main /etc/apt/sources.list.d/ros-latest.list # 添加密钥时如果curl报错可以尝试这个替代方案 wget http://packages.ros.org/ros.key -O - | sudo apt-key add - # 安装完整版ROS包含RViz等可视化工具 sudo apt install ros-kinetic-desktop-full安装完成后记得把source /opt/ros/kinetic/setup.bash添加到~/.bashrc文件末尾否则每次开新终端都要手动source。我遇到过好几次忘记source导致命令找不到的尴尬情况。2.2 Ceres-Solver的编译陷阱虽然可以通过apt安装ceres-solver但官方仓库的版本太旧1.12.x而标定程序需要1.14.x版本。手动编译时要注意几个关键点git clone https://github.com/ceres-solver/ceres-solver --branch 1.14.x cd ceres-solver mkdir build cd build # 必须指定Eigen3的路径否则会找到错误版本 cmake .. -DEIGEN_INCLUDE_DIR/usr/include/eigen3 make -j$(nproc) # 使用所有CPU核心加速编译编译过程中最容易出现的问题是Eigen版本冲突。有次我同时安装了3.2和3.3版本导致cmake找到了错误的头文件编译报出一堆模板错误。解决方法是用apt remove libeigen3-dev卸载新版本只保留ROS自带的3.2.97。3. 数据采集与预处理实战3.1 点云数据的获取与转换Mid-70激光雷达的数据采集看似简单实则暗藏玄机。官方Livox Viewer录制的.lvx文件需要经过两次转换才能用于标定LVX转ROS bag这个步骤最容易出问题的地方是路径包含中文或空格。我建议在用户目录下新建一个纯英文路径如~/livox_data存放原始文件。roslaunch livox_ros_driver lvx_to_rosbag.launch lvx_file_path:/home/yourname/livox_data/2023-08-15-15-30-00.lvxBag转PCD转换后的PCD文件会缺少关键的颜色信息需要用CloudCompare进行后期处理。这里有个小技巧先用pcl_viewer快速预览点云质量剔除那些明显残缺的帧。mkdir pcd_output rosrun pcl_ros bag_to_pcd input.bag /livox/lidar pcd_output3.2 图像采集的注意事项相机的选择往往被忽视但实际上对标定精度影响巨大。经过多次测试我发现工业相机比普通USB摄像头效果更好主要是因为更高的动态范围避免过曝或欠曝更精确的触发同步与雷达扫描同步更小的镜头畸变标定前要先做相机内参标定使用海康威视MVS软件采集时一定要关闭所有自动调整自动曝光、自动白平衡等固定使用手动模式。我曾经因为忘记关闭自动增益控制导致连续三次标定失败。4. 标定流程详解4.1 配置文件的关键参数标定程序的calib.yaml文件里有几个参数直接影响结果精度calib: max_iterations: 100 # 迭代次数太少会导致欠拟合 voxel_size: 0.5 # 体素大小要根据场景调整 use_rough_calib: true # 初始外参不准时必须开启室内场景建议将voxel_size设为0.1~0.3室外可以增大到0.5~1.0。有个很实用的调试技巧先在RViz中观察初始配准情况如果点云完全偏离图像就需要手动修改初始外参。4.2 标定过程监控启动标定后终端会输出每次迭代的损失值变化iter 15: loss 0.3421 → 0.3012 iter 16: loss 0.3012 → 0.2875正常情况下损失值应该单调下降如果出现震荡或长时间不下降可能是以下原因点云质量太差遮挡严重或动态物体太多相机曝光设置不当图像过暗或过亮初始外参偏差过大需要手动粗略对齐我在车库场景测试时因为有几辆移动的汽车进入视野导致损失值在0.25附近震荡了20多次。后来重新采集数据避开动态物体问题立刻解决。5. 结果验证与精度提升5.1 标定结果可视化标定完成后程序会生成两个关键文件extrinsic.txt包含旋转矩阵和平移向量projected.png显示点云投影到图像的效果验证时我习惯用Python脚本做二次检查import cv2 import numpy as np extrinsic np.loadtxt(extrinsic.txt) img cv2.imread(projected.png) # 检查边缘对齐情况 cv2.imshow(Projection, img) cv2.waitKey(0)5.2 精度提升技巧通过多次实验我总结了几个提升标定精度的方法多时段采集在不同光照条件下采集3-5组数据取标定结果的中值场景选择选择有丰富几何特征的场景如墙角、门窗等温度稳定让雷达预热10分钟再采集避免温度漂移影响有次在阳光直射的室外场景标定误差达到了1.2度。后来改在阴天重新采集误差立刻降到了0.3度以内。这说明环境光对相机成像质量的影响比想象中更大。