Lidar-Lidar calibration#

概述#

在本教程中,我们将通过 TIER IV 的基于测绘的 LiDAR-LiDAR 校准工具解释 LiDAR -LiDAR 校准校准工具.

警告

请从手动校准部分获取初始校准结果. 这对于从此工具获得准确的结果至关重要. 我们将使用计算出的初始校准参数在本教程的上一步中. 要在校准工具中应用这些初始值, 请在单个参数包中更新您的传感器校准文件.

我们需要一个用于 lidar-lidar 校准过程的 sample bag 文件其中包括原始 LiDAR 主题. 此外,我们建议使用异常值筛选用于映射的点云,因为此点云包括裁剪的车辆点云.因此地图中不包含车辆点.当您开始时袋子记录, 在前 5 秒内,您不应移动车辆以获得更好的地图绘制性能. 下面显示了用于此校准的 bag 文件示例：

??? note 我们的 tutorial_vehicle 校准过程的 ROS 2 Bag 示例

```sh

Files:             rosbag2_2023_09_05-11_23_50_0.db3
Bag size:          3.8 GiB
Storage id:        sqlite3
Duration:          112.702s
Start:             Sep  5 2023 11:23:51.105 (1693902231.105)
End:               Sep  5 2023 11:25:43.808 (1693902343.808)
Messages:          2256
Topic information: Topic: /sensing/lidar/front/pointcloud_raw | Type: sensor_msgs/msg/PointCloud2 | Count: 1128 | Serialization Format: cdr
                   Topic: /sensing/lidar/top/pointcloud | Type: sensor_msgs/msg/PointCloud2 | Count: 1128 | Serialization Format: cdr
```

基于地图的激光雷达-激光雷达校准#

创建启动文件#

我们首先创建我们的车辆的启动文件 4,例如 Extrinsic Manual Calibration 过程：

cd <YOUR-OWN-AUTOWARE-DIRECTORY>/src/autoware/calibration_tools/sensor
cd extrinsic_calibration_manager/launch
cd <YOUR-OWN-SENSOR-KIT-NAME> # i.e. for our guide, it will ve cd tutorial_vehicle_sensor_kit which is created in manual calibration
touch mapping_based.launch.xml mapping_based_sensor_kit.launch.xml

我们将使用 TIER IV 的样品传感器套件aip_x1修改这些 mapping_based.launch.xml 和 mapping_based_sensor_kit.launch.xml . 所以您应该将这两个文件的内容从 aip_x1 复制到您创建的文件中.

然后,我们将继续将 vehicle_id 和 sensor model 名称添加到 mapping_based.launch.xml： (或者,值不重要.这些参数将被 launch 参数覆盖)

  <arg name="vehicle_id" default="default"/>

  <let name="sensor_model" value="aip_x1"/>
+ <?xml version="1.0" encoding="UTF-8"?>
+ <launch>
-   <arg name="vehicle_id" default="default"/>
+   <arg name="vehicle_id" default="<YOUR_VEHICLE_ID>"/>
+
-   <arg name="sensor_model" default="aip_x1"/>
+   <let name="sensor_model" value="<YOUR_SENSOR_KIT_NAME>"/>

tutorial_vehicle 的文件 (mapping_based.launch.xml) 的最终版本应如下所示：

??? 备注 教程战车的样本 mapping_based.launch.xml 文件

```xml
<?xml version="1.0" encoding="UTF-8"?>
<launch>
  <arg name="vehicle_id" default="tutorial_vehicle"/>
  <let name="sensor_model" value="tutorial_vehicle_sensor_kit"/>
  <arg name="rviz" default="true"/>

  <group>
    <push-ros-namespace namespace="sensor_kit"/>
    <include file="$(find-pkg-share extrinsic_calibration_manager)/launch/$(var sensor_model)/mapping_based_sensor_kit.launch.xml">
      <arg name="vehicle_id" value="$(var vehicle_id)"/>
      <arg name="rviz" value="$(var rviz)"/>
    </include>
  </group>
</launch>

```

完成 mapping_based.launch.xml 文件后, 我们将准备好为自己的传感器模型实现 mapping_based_sensor_kit.launch.xml.

可选,您可以在此 XML 代码段上将 sensor_kit 和 vehicle_id 修改为 mapping_based.launch.xml： (您可以将 rviz 配置保存为 video 后更改 rviz_profile 路径包含在页面末尾)

我们将为每个激光雷达添加传感器套件框架(测绘激光雷达除外), 我们有一个 LiDAR 用于与 Tutorial Vehicle 的主 LiDAR 传感器配对,因此它应该是这样的：

注意：测绘激光雷达将用于测绘目的,但不会进行校准. 我们可以将这个激光雷达视为我们硬件架构的主要传感器. 因此,其他激光雷达将相对于测绘激光雷达(主传感器)进行校准.

+  <let name="lidar_calibration_sensor_kit_frames" value="[
+  sensor_kit_base_link,
+  sensor_kit_base_link,
+  sensor_kit_base_link
+  ...]"/>

如果你之前保存了 rviz 配置文件用于 lidar-lidar 校准过程：

- <let name="rviz_profile" value="$(find-pkg-share extrinsic_mapping_based_calibrator)/rviz/x1.rviz"/>
+ <let name="rviz_profile" value="$(find-pkg-share extrinsic_mapping_based_calibrator)/rviz/<YOUR-RVIZ-CONFIG>.rviz"/>

??? 注意 i.e., If you have one main lidar for mapping, three lidar for calibration

```xml
+  <let name="lidar_calibration_sensor_kit_frames" value="[
+  sensor_kit_base_link,
+  sensor_kit_base_link,
+  sensor_kit_base_link]"/>
```

??? 注意 即,对于 tutorial_vehicle(一个激光雷达主用于测绘,一个激光雷达用于校准)

```xml
+  <let name="lidar_calibration_sensor_kit_frames" value="[sensor_kit_base_link]"/>
```

我们将添加 lidar_calibration_service_names, 校准器的 calibration_lidar_base_frames 和 calibration_lidar_frames：

-   <let
-       name="lidar_calibration_service_names"
-       value="[
-       /sensor_kit/sensor_kit_base_link/livox_front_left_base_link,
-       /sensor_kit/sensor_kit_base_link/livox_front_center_base_link,
-       /sensor_kit/sensor_kit_base_link/livox_front_right_base_link]"
-     />
-   <let name="calibration_lidar_base_frames" value="[
-       livox_front_left_base_link,
-       livox_front_center_base_link,
-       livox_front_right_base_link]"/>
-   <let name="calibration_lidar_frames" value="[
-       livox_front_left,
-       livox_front_center,
-       livox_front_right]"/>
+   <let
+           name="lidar_calibration_service_names"
+           value="[/sensor_kit/sensor_kit_base_link/<YOUR_SENSOR_BASE_LINK>,
+                   /sensor_kit/sensor_kit_base_link/<YOUR_SENSOR_BASE_LINK
+                   ...]"
+   />
+
+   <let name="calibration_lidar_base_frames" value="[YOUR_SENSOR_BASE_LINK,
+                                                     YOUR_SENSOR_BASE_LINK
+                                                     ...]"/>
+   <let name="calibration_lidar_frames" value="[YOUR_SENSOR_LINK,
+                                                YOUR_SENSOR_LINK
+                                                ...]"/>

??? 注意 即,在 tutorial_vehicle 它应该像这个片段一样

```xml
+   <let
+           name="lidar_calibration_service_names"
+           value="[/sensor_kit/sensor_kit_base_link/rs_bpearl_front_base_link]"
+   />

+   <let name="calibration_lidar_base_frames" value="[rs_bpearl_front_base_link]"/>
+   <let name="calibration_lidar_frames" value="[rs_bpearl_front]"/>
```

之后,我们将添加传感器主题和传感器帧,以便执行此作, 我们将继续用 mapping_based_sensor_kit.launch.xml 填充 (我们建议使用 /sensing/lidar/top/pointcloud 主题作为映射点云因为车辆云在此主题中被 PointCloud 预处理裁剪)：

-     <let name="mapping_lidar_frame" value="velodyne_top"/>
-     <let name="mapping_pointcloud" value="/sensing/lidar/top/pointcloud"/>
+     <let name="mapping_lidar_frame" value="<MAPPING_LIDAR_SENSOR_LINK>"/>
+     <let name="mapping_pointcloud" value="<MAPPING_LIDAR_POINTCLOUD_TOPIC_NAME>"/>


-     <let name="calibration_pointcloud_topics" value="[
-       /sensing/lidar/front_left/livox/lidar,
-       /sensing/lidar/front_center/livox/lidar,
-       /sensing/lidar/front_right/livox/lidar]"/>
+     <let name="calibration_pointcloud_topics" value="[
+       <YOUR_LIDAR_TOPIC_FOR_CALIBRATION>,
+       <YOUR_LIDAR_TOPIC_FOR_CALIBRATION>,
+       ...]"/>

??? 注意在 tutorial_vehicle 它应该像这个片段一样.

```xml
  <let name="calibration_lidar_base_frames" value="[rs_bpearl_front_base_link]"/>
  <let name="calibration_lidar_frames" value="[rs_bpearl_front]"/>

  <let name="mapping_lidar_frame" value="rs_helios_top"/>
  <let name="mapping_pointcloud" value="/sensing/lidar/top/pointcloud_raw"/>
  <let name="detected_objects" value="/perception/object_recognition/detection/objects"/>

<let name="calibration_pointcloud_topics" value="[
/sensing/lidar/right/pointcloud_raw]"/>
```

tutorial_vehicle 的 mapping_based_sensor_kit.launch.xml 启动文件应为：

??? 注意 i.e. mapping_based_sensor_kit.launch.xml 表示 tutorial_vehicle

```xml
<?xml version="1.0" encoding="UTF-8"?>
<launch>
  <arg name="vehicle_id" default="tutorial_vehicle"/>
  <let name="sensor_model" value="tutorial_vehicle_sensor_kit"/>

  <arg name="rviz"/>
  <let name="rviz_profile" value="$(find-pkg-share extrinsic_mapping_based_calibrator)/rviz/x1.rviz"/>

  <arg name="src_yaml" default="$(find-pkg-share individual_params)/config/$(var vehicle_id)/$(var sensor_model)/sensor_kit_calibration.yaml"/>
  <arg name="dst_yaml" default="$(env HOME)/sensor_kit_calibration.yaml"/>

  <let name="camera_calibration_service_names" value="[``]"/>

  <let name="camera_calibration_sensor_kit_frames" value="[``]"/>
  <let name="calibration_camera_frames" value="[``]"/>
  <let name="calibration_camera_optical_link_frames" value="[``]"/>
  <let name="calibration_camera_info_topics" value="[``]"/>

  <let name="calibration_image_topics" value="[``]"/>

  <let name="lidar_calibration_sensor_kit_frames" value="[sensor_kit_base_link]"/>

<let
name="lidar_calibration_service_names"
value="[/sensor_kit/sensor_kit_base_link/rs_bpearl_front_base_link]"
/>

  <let name="calibration_lidar_base_frames" value="[rs_bpearl_front_base_link]"/>
  <let name="calibration_lidar_frames" value="[rs_bpearl_front]"/>

  <let name="mapping_lidar_frame" value="rs_helios_top"/>
  <let name="mapping_pointcloud" value="/sensing/lidar/top/pointcloud_raw"/>
  <let name="detected_objects" value="/perception/object_recognition/detection/objects"/>

<let name="calibration_pointcloud_topics" value="[
/sensing/lidar/right/pointcloud_raw]"/>

  <group>
    <!-- extrinsic_calibration_client -->
    <node pkg="extrinsic_calibration_client" exec="extrinsic_calibration_client" name="extrinsic_calibration_client" output="screen">
      <param name="src_path" value="$(var src_yaml)"/>
      <param name="dst_path" value="$(var dst_yaml)"/>
    </node>

    <!-- extrinsic_calibration_manager -->
    <node pkg="extrinsic_calibration_manager" exec="extrinsic_calibration_manager" name="extrinsic_calibration_manager" output="screen">
      <param name="parent_frame" value="sensor_kit_base_link"/>
      <param name="child_frames" value="[rs_bpearl_front_base_link]"/>
    </node>
  </group>

  <!-- mapping based calibrator -->
  <include file="$(find-pkg-share extrinsic_mapping_based_calibrator)/launch/calibrator.launch.xml">
    <arg name="ns" value=""/>

    <arg name="camera_calibration_service_names" value="$(var camera_calibration_service_names)"/>
    <arg name="lidar_calibration_service_names" value="$(var lidar_calibration_service_names)"/>
    <arg name="camera_calibration_sensor_kit_frames" value="$(var camera_calibration_sensor_kit_frames)"/>
    <arg name="lidar_calibration_sensor_kit_frames" value="$(var lidar_calibration_sensor_kit_frames)"/>
    <arg name="calibration_camera_frames" value="$(var calibration_camera_frames)"/>
    <arg name="calibration_camera_optical_link_frames" value="$(var calibration_camera_optical_link_frames)"/>
    <arg name="calibration_lidar_base_frames" value="$(var calibration_lidar_base_frames)"/>
    <arg name="calibration_lidar_frames" value="$(var calibration_lidar_frames)"/>
    <arg name="mapping_lidar_frame" value="$(var mapping_lidar_frame)"/>

    <arg name="mapping_pointcloud" value="$(var mapping_pointcloud)"/>
    <arg name="detected_objects" value="$(var detected_objects)"/>

    <arg name="calibration_camera_info_topics" value="$(var calibration_camera_info_topics)"/>
    <arg name="calibration_image_topics" value="$(var calibration_image_topics)"/>
    <arg name="calibration_pointcloud_topics" value="$(var calibration_pointcloud_topics)"/>

    <arg name="mapping_max_range" value="150.0"/>
    <arg name="local_map_num_keyframes" value="30"/>
    <arg name="dense_pointcloud_num_keyframes" value="20"/>
    <arg name="ndt_resolution" value="0.5"/>
    <arg name="ndt_max_iterations" value="100"/>
    <arg name="ndt_epsilon" value="0.005"/>
    <arg name="lost_frame_max_acceleration" value="15.0"/>
    <arg name="lidar_calibration_max_frames" value="10"/>
    <arg name="calibration_eval_max_corr_distance" value="0.2"/>
    <arg name="solver_iterations" value="100"/>
    <arg name="calibration_skip_keyframes" value="15"/>
  </include>

  <node pkg="rviz2" exec="rviz2" name="rviz2" output="screen" args="-d $(var rviz_profile)" if="$(var rviz)"/>
</launch>

```

使用基于交互式映射的校准器进行激光雷达-激光雷达校准过程#

完成 mapping_based.launch.xml 后, mapping_based_sensor_kit.launch.xml 自己的传感器套件的启动文件; 现在我们准备好校准我们的激光雷达了. 首先,我们需要构建 extrinsic_calibration_manager 包：

colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release --packages-select extrinsic_calibration_manager

因此,我们已准备好启动和使用基于地图的激光雷达-激光雷达校准器：

ros2 launch extrinsic_calibration_manager calibration.launch.xml mode:=mapping_based sensor_model:=<OWN-SENSOR-KIT> vehicle_model:=<OWN-VEHICLE-MODEL> vehicle_id:=<VEHICLE-ID>

对于教程车辆：

ros2 launch extrinsic_calibration_manager calibration.launch.xml mode:=mapping_based sensor_model:=tutorial_vehicle_sensor_kit vehicle_model:=tutorial_vehicle vehicle_id:=tutorial_vehicle

您将显示具有多个配置的 rviz2 屏幕, 你需要要使用您的传感器信息主题(如视频)对其进行更新, 其中包括文件的结尾. 此外,您还可以将 rviz2 配置保存在 rviz 目录下. 因此,您可以稍后使用它来修改 mapping_based_sensor_kit.launch.xml .

extrinsic_ground_plane_calibrator/
   └─ rviz/
+        └─ tutorial_vehicle_sensor_kit.rviz

然后播放 ROS 2 bag 文件：

ros2 bag play <rosbag_path> --clock -r 0.2 \
--remap /tf:=/null/tf /tf_static:=/null/tf_static # if tf is recorded

校准步骤包括两个阶段：映射和校准. 在袋子开始播放,然后开始映射以及下面的 rviz2 屏幕截图.

mapping-based-calibration

因此,红色箭头标记表示映射过程中的姿势, 绿色箭头标记是统一采取的特殊姿势, 白点表示构建的地图.

映射在达到预定义的数据阈值时停止或者可以通过调用此服务来过早地结束：

ros2 service call /NAMESPACE/stop_mapping std_srvs/srv/Empty {}

校准的映射阶段完成后,校准过程将开始. 校准完成后,您应该如下图所示 rviz2 屏幕：

mapping-based-calibration-result

红点表示上一节的绿点表示对齐点(校准结果).校准结果将自动保存在您的 dst_yaml ($HOME/sensor_kit_calibration.yaml) 在本教程中.

以下是在 tutorial_vehicle 上演示基于测绘的激光雷达-激光雷达校准过程的视频：