一、入门

1.1 安装

此软件包仅在 ROS Melodic 中进行过测试。

本地ROS

1 在catkin_ws/src/目录下载cam_lidar_calibration
（注本文后续将cam_lidar_calibration放在主目录下，并不是catkin_ws/src/目录下）

git clone -c http.sslverify=false https://gitlab.acfr.usyd.edu.au/its/cam_lidar_calibration.git

2 下载 ros 和 python 依赖

sudo apt update && sudo apt-get install -y ros-melodic-pcl-conversions ros-melodic-pcl-ros ros-melodic-tf2-sensor-msgs
pip install pandas scipy

3 构建包并获取setup.bashorsetup.zsh文件

catkin build cam_lidar_calibration
source ~/catkin_ws/devel/setup.bash

Docker
运行 docker 镜像（将被拉取到 dockerhub）。如果您的计算机具有 Nvidia GPU，请设置 cuda 标志--cuda on。如果您没有，请设置--cuda off(注：原文中命令为./run.sh --cuda on，原因是不加sudo会提示权限不足）
新开一个终端运行以下命令

 cd cam_lidar_calibration/docker
 sudo ./run.sh --cuda on

1.2 快速启动

根据下载包里面的自带数据进行快速入手测试
1 运行校准过程

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=true

2.获取和评估校准结果
运行以下代码，查看校准结果，如下图所示

roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/vlp/calibration_quickstart.csv" visualise:=true

二、使用您自己的数据进行校准

可采用离线与在线的方法进行校准，据体可见链接

2.1 校准目标的设置

准备一个矩形棋盘打印输出。论文中使用的棋盘图是一张A1（594 x 841mm），有95mm的正方形和7x5的内顶点（与网格正方形的数量不同），下载自

https://markhedleyjones.com/projects/calibration-checkerboard

1 将棋盘牢固地固定在一块刚性、不透明和矩形的棋盘上，使其中心对齐（尽可能最好）并且它们的边缘保持彼此平行。
2 选择一个合适的支架，可以安装目标，并且几乎没有板边缘突出的元素。
3 旋转棋盘，使其呈菱形（与地面成 45° 角）并将其安装在支架上。
4 在下图中，展示了与此软件包一起使用的两个棋盘架。

2.2 配置文件

下面解释/cfg/params.yaml中的字段
1 指定激光雷达和相机主题的名称。例如，在例子中是：

camera_topic: "/gmsl/A0/image_color"
camera_info: "/gmsl/A0/camera_info"
lidar_topic: "/velodyne/front/points"

2（可选）指定点云过滤的默认边界。如果您不确定，请随时跳过此步骤。

3 输入您准备的棋盘目标的详细信息：
pattern_size：这些是棋盘的内部顶点（不是正方形的数量；请参阅第 2.1 节中的棋盘）
square_length (mm)：棋盘格的长度。
board_dimension (mm)：棋盘印刷所在的背板的宽度和高度。
translation_error：棋盘中心与背板中心的偏移（见下图）

2.3 捕捉姿态并获得最佳校准参数集

1 启动校准包

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=false

2 隔离棋盘
使用 rqt_reconfigure 窗口，将 x、y 和 z 轴限制的值修改为仅显示棋盘。如果棋盘没有完全隔离，可能会影响棋盘的平面贴合，也会导致棋盘尺寸误差较大。