二十.激光、视觉和惯导LVIO-SLAM框架学习之相机内参标定_lvi-slam算法

 专栏系列文章如下：

一：Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono)，基于视觉-激光-惯导里程计的SLAM框架，环境搭建和跑通过程_goldqiu的博客-CSDN博客

二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-CSDN博客

三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍（除主要源码部分）_goldqiu的博客-CSDN博客

四.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---2.scanRegistration.cpp--前端雷达处理和特征提取_goldqiu的博客-CSDN博客

五.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---3.laserOdometry.cpp--前端雷达里程计和位姿粗估计_goldqiu的博客-CSDN博客

六.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---4.laserMapping.cpp--后端建图和帧位姿精估计（优化）_goldqiu的博客-CSDN博客

七.激光SLAM框架学习之A-LOAM框架---速腾Robosense-16线雷达室内建图_goldqiu的博客-CSDN博客

八.激光SLAM框架学习之LeGO-LOAM框架---框架介绍和运行演示_goldqiu的博客-CSDN博客

九.激光SLAM框架学习之LeGO-LOAM框架---速腾Robosense-16线雷达室外建图和其他框架对比、录包和保存数据_goldqiu的博客-CSDN博客

十.激光SLAM框架学习之LeGO-LOAM框架---算法原理和改进、项目工程代码_goldqiu的博客-CSDN博客

十一.激光惯导LIO-SLAM框架学习之LIO-SAM框架---框架介绍和运行演示

十二.激光SLAM框架学习之livox-loam框架安装和跑数据集_goldqiu的博客-CSDN博客_livox 数据集

十三.激光SLAM框架学习之livox-Mid-70雷达使用和实时室外跑框架_goldqiu的博客-CSDN博客

十四.激光和惯导LIO-SLAM框架学习之惯导内参标定_goldqiu的博客-CSDN博客

十五.激光和惯导LIO-SLAM框架学习之惯导与雷达外参标定（1）_goldqiu的博客-CSDN博客

十六.激光和惯导LIO-SLAM框架学习之配置自用传感器实时室外跑LIO-SAM框架_goldqiu的博客-CSDN博客

十七.激光和惯导LIO-SLAM框架学习之IMU和IMU预积分_goldqiu的博客-CSDN博客

十八.多个SLAM框架（A-LOAM、Lego-loam、LIO-SAM、livox-loam）室外测试效果粗略对比分析_goldqiu的博客-CSDN博客

十九.激光和惯导LIO-SLAM框架学习之项目工程代码介绍---代码框架和一些文件解释_goldqiu的博客-CSDN博客

相机内参标定

window下进行标定：

opencv官网安装3.4版本

https://opencv.org/releases/#

参考这个链接：

https://www.cnblogs.com/aiguona/p/9370433.html

在VS2015进行opencv的配置。

参考这个链接：

https://blog.csdn.net/STILLxjy/article/details/98519746?ops_request_misc=&request_id=&biz_id=102&utm_term=window%20opencv3%E6%A0%87%E5%AE%9A&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-98519746.first_rank_v2_pc_rank_v29

进行opencv相机内参标定工程的构建和编译。

然后录制相机图像数据，使棋盘格能够在相机图像的各个位置上，一般保证各个位置的棋盘格加起来能填满图像从中点出发的2/3即可，且在一个位置上调整不同的棋盘格角度。

在可执行文件路径下存放相机图像数据，

然后运行：

.\opencv_camera_calib_dem0.exe -w=11 -h=8 .\imagelist2.yaml 

这里-w=11 -h=8 分别指的是棋盘格长和宽的角点数量，imagelist2.yaml是图像名字索引。

如下：

%YAML:1.0
---
images:
   - "image(1).bmp"
   - "image(2).bmp"
   - "image(3).bmp"
   - "image(4).bmp"
   - "image(5).bmp"
   - "image(6).bmp"
   - "image(7).bmp"
   - "image(8).bmp"
   - "image(9).bmp"
   - "image(10).bmp"

运行效果：

要保证所有图片都要能够被识别出角点。

最后输出标定数据yaml文件，能够很方便的被读取，得到标定的内参（包括内参矩阵和畸变参数）。

%YAML:1.0
---
calibration_time: "Fri Dec 17 15:34:05 2021"
image_width: 720
image_height: 540
board_width: 11
board_height: 8
square_size: 1.
aspectRatio: 1.
flags: 2
camera_matrix: !!opencv-matrix
   rows: 3
   cols: 3
   dt: d
   data: [ 7.4411367720263286e+02, 0., 3.6793591210353367e+02, 0.,
       7.4411367720263286e+02, 2.4831743372645076e+02, 0., 0., 1. ]
distortion_coefficients: !!opencv-matrix
   rows: 5
   cols: 1
   dt: d
   data: [ -9.9071967990252374e-01, 1.2320195467160143e+01,
       -2.3597235076281194e-02, 6.1246544215312713e-04,
       -6.0686233185640781e+01 ]
avg_reprojection_error: 2.1351487963865803e+00
​

ubuntu下进行标定：

同样也是找到opencv自带的相机内参标定源文件，编写cmakelists文件进行项目配置和编译。

matlab下进行标定：

matlab有相机内参标定工具：Camera Calibrator