标定失败记录

最新推荐文章于 2025-06-11 10:52:50 发布
最新推荐文章于 2025-06-11 10:52:50 发布
阅读量156 收藏
点赞数 3
文章标签： 人工智能 ubuntu 机器人 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2301_79152004/article/details/146459617
版权

本人用的是镭神C16和xsens imu，由于网上几乎都是关于velodyne的标定，就没有去标定过。前两天录制了一个学校走廊的bag文件，用fast_lio算法跑了一下（直接跑的velodyne的那个launch文件，只修改了激光雷达和IMU的话题），发现效果还不错

 然后，今天试着在网上找教程来学学标定，发现标定结果一团糟

 估计还是雷达类型的问题，如果有相同型号雷达要标定的同伴，欢迎一起交流

2301_79152004
关注
OpenCV C++ 张正友相机标定【相机标定原理、相机标定流程、标定结果评价、图像畸变矫正】
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
06-27 3566
R是3×3的正交单位矩阵（即旋转矩阵），t为平移向量，R、t与摄像机无关，所以称这两个参数为摄像机的外参数(extrinsicparameter)，可以理解为两个坐标原点之间的距离，因其受x,y,z三个方向上的分量共同控制，所以其具有三个自由度。R是3×3的正交单位矩阵（即旋转矩阵），t为平移向量，R、t与摄像机无关，所以称这两个参数为摄像机的外参数(extrinsicparameter)，可以理解为两个坐标原点之间的距离，因其受x,y,z三个方向上的分量共同控制，所以其具有三个自由度。
【5】Kalibr 对单目相机进行标定（生成bag包不成功等细节问题）
努力努力努力
09-09 2334
Kalibr 对单目相机进行标定
镭神C16雷达标定
xindoge的博客
07-29 711
C16镭神雷达标定
相机标定记录
qq_40377540的博客
08-06 515
总结：该函数的功能就是判断图像内是否包含完整的棋盘图，如果能够检测完全，就把他们的角点坐标按 顺序（逐行，从左到右）记录下来，并返回非0数，否则返回0。行数和列数不要相同，这样的话函数会辨别出标定板的方向，如果行列数相同，那么函数每次画出来的角点起始位置会变化，不利于标定。CV_CALIB_CB_FILTER_QUADS：二值化完成后，函数开始定位图像中的四边形（这里不应该称之为正方形，因为存在畸变），这个标志设立后，函数开始使用面积、周长等参数来筛选方块，从而使得角点检测更准确更严格。
Lidar - IMU 标定 #记录
qq_52784762的博客
12-21 2000
问题记录
kalibr 标定记录
chengde6896383的专栏
12-26 3136
１．标定成功的中间过程   ２． 标定失败的中间过程 2.1　由于没有一张完整的apriltag角点检测，故在做initialization of focal length的时候失败   2.２ 去掉一张完整的apriltag角点检测约束之后，由于内参估计错误导致的优化失败   使用全角点检测来估计相机的fx/fy 记录： f_guess = 297.717 [pid=3208, ...
IMU标定
文刀雨辰的SLAM奋斗之路
08-11 4572
IMU标定总结，标定过程记录以及自己对原理的理解
单目相机标定C++代码记录
Goodness2020的博客
09-12 573
【代码】单目相机标定C++代码记录。
Kalibr安装失败记录
qq_45703270的博客
11-11 3145
Kalibr安装失败记录Ubuntu18.04+opencv3.4.2+eigen3.3.9安装Kalibr失败成功案例一、失败BUG1二、失败BUG2三、失败BUG3四、失败BUG4五、失败BUG5 Ubuntu18.04+opencv3.4.2+eigen3.3.9安装Kalibr失败 想使用Kalibr标定相机内参，但是忙活了一天也没有安装好，猜测是可能动了某个地方的东西导致安装不成功，或者是由于eigen或者opencv版本的问题，但是我已经安装了太多的东西，更换版本之后可会出现其他问题，导致其他程
easyhandeye手眼标定问题记录：Group ‘manipulator‘ was not found.
m0_73668080的博客
03-19 202
找到elfin_robot-noetic/elfin5_moveit_config/config/elfin5.srdf文件。打开calibration.launch可以发现这个与move_group相关。在我们运行手眼标定的launch文件中，修改move_group的默认值即可。未找到manipulator,然后标定的3个窗口只出现了一个。我使用的是大族的协作机器人elfin5。
记录Opencv手眼标定的过程
weixin_41698305的博客
11-25 3870
参考文献 参考文献1：OpenCV手眼标定（calibrateHandeye()） 参考文献2:【OpenCV3学习笔记 】相机标定函数 calibrateCamera( ) 使用详解（附相机标定程序和数据） 思路： 按照参考文献1的做法，首先要拿到标定板的位姿与机器人TCP的位姿；TCP的位姿是由机器人上位机软件或API给出的，因此第一步是先想办法拿到标定板的位姿 标定板位姿：直接跑参考文献2的代码即可，我稍作了修改，代码如下： 拿到位姿之后，进一步用参考文献二中的方法，标定出手眼变换矩阵 ..
INCA标定软件使用教程
07-14
3. 如何录制数据：在实验过程中，INCA软件可以记录ECU的运行数据，用于后期分析和标定优化。数据录制需要设置合适的采样率和记录周期，确保数据的质量和完整性。 在汽车标定过程中，INCA软件的应用涵盖了从前期的...
Halcon九点及旋转标定流程
热门推荐
stephon_100的博客
10-29 1万+
参考文章：https://blog.youkuaiyun.com/william9987/article/details/119567827?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-1.no_search_link&spm=1001.2101.3001.4242.1 XY轴九点标定： 使用仿射变换： 夹具夹取产品或者标定块，选取一个特征，开始进行标定 X轴、Y轴移动一个位置...
Kalibr标定工具：Camera+IMU联合标定（MYNTEYE相机）
浅眠忘川的博客
12-10 8867
一、安装Kalibr 1.1 安装依赖项 sudo apt-get install python-setuptools python-rosinstall ipython libeigen3-devlibboost-all-dev doxygen libopencv-dev ros-indigo-vision-opencvros-indigo-image-transport-plugins ...
yolo模型精度提升策略
qq_47798402的博客
06-09 900
结合起来，才能最大程度地提升那6种相似BGA的区分能力，从而显著提高整体mAP。持续进行基于难例分析的主动学习是突破瓶颈的可持续方法。使用自适应优化器、学习率热身与余弦退火，进行充分长周期的训练（配合早停）。持续收集模型在相似BGA上的错误样本，优先标注并加入训练集进行迭代。设计模拟BGA实际成像挑战（反光、模糊、视角变化）的增强方案。尝试引入注意力机制，将分类损失替换为。训练数据（2倍以上是合理起点）。（Focal Loss）以及。显著增加6种相似BGA的。（特别是注意力机制）、
原始的 P-Tuning 和 P-Tuning v2 在实现细节上有哪些不同
ZJQ的博客
06-10 918
P-Tuning v2（2022） - **改进点**： - 在模型的每一层都添加软提示（类似 Prefix Tuning 的思路），而不只是输入层。 - **引入轻量级 MLP 层**：在预训练模型的输出后添加一个小型的多层感知机，增强分类能力。 - **结构特点**： ``` 输入文本 + 软提示 → 预训练LM → MLP层 → 分类输出 ``` MLP 通常由 1-2 层线性层组成，参数量远小于全量微调。
二维张量dim=1
GHL_17768588743的博客
06-11 570
在PyTorch中处理二维张量（矩阵）时，‌dim=1‌，也就是逐行处理每一行的所有列元素。
扣子开发汽车行业智能客服示例
最新发布
brucexia的专栏
06-11 1129
在本节中，我们想要创建一个AI客服，用于介绍汽车领域的行业知识，因此需要利用知识库的能力。首先，梳理汽车行业知识，形成FAQ（常见问题解答）。然后，将其上传到知识库中。最后，将知识库配置到AI Agent智能体中，使其能够调用知识库的内容作为回复。完成以上步骤之后，当用户咨询Agent有关汽车领域知识的问题时，Agent将根据FAQ的内容进行回答。传统的机器人客服只能生硬地套用FAQ，缺乏灵活性。
镭神LS_16雷达和速腾雷达的区别
03-20
### 镭神 LS_16 雷达与速腾雷达的技术区别、功能对比及性能差异 #### 1. 技术参数对比 镭神 CH128x1 和速腾 RS16 是两款常见的 16 线激光雷达产品，它们的主要技术参数如下： | 参数 | 镭神 CH128x1 | 速腾 RS16 | |---------------------|----------------------|----------------------| | **测距范围** | 最大可达 150m (反射率≥80%) | 最大可达 100m | | **角度分辨率** | 水平角分辨率为 0.1°~0.3° | 水平角分辨率为 0.17° | | **扫描频率** | 支持多种模式（最高 20Hz） | 固定为 10Hz | | **视场角** | 垂直视场角 ±15° | 垂直视场角 ±15° | | **重量** | 较轻 | 较重 | 以上数据显示，镭神 CH128x1 的最大探测距离更远，在某些场景下可能更适合需要更大覆盖范围的应用[^1]。 #### 2. 应用领域支持 - **镭神 CH128x1**: 提供了灵活的配置选项以及更高的刷新频率，适合动态环境下的快速感知需求。其驱动程序兼容性强，并且可以通过 PPS 时间同步实现精确的时间戳管理[^3]。 - **速腾 RS16**: 被广泛应用于 LeGO-LOAM 等 SLAM 系统中作为核心传感器之一，证明了它在构建高质量地图方面的可靠性[^2]。此外，针对不同平台进行了优化设计，便于集成至自动驾驶解决方案之中。 #### 3. 成本考量 两者的市场价格存在一定差距，通常情况下，速腾 RS16 定位稍高端一些，因此价格也相对较高。然而正如提到过的那样，“由于激光雷达的高昂成本”，部分高级别智能驾驶项目可能会重新评估是否继续沿用此类设备。 #### 4. 开发者生态与工具链 对于开发者而言，选择合适的硬件还取决于是否有良好的软件支持和服务体系： - **镭神 C16 及其他型号**拥有专门开发出来的 `Lidar_IMU_Calibration` 工具包用于完成惯导单元(IMU)之间的外参标定工作，这有助于提升整个系统的定位精度并降低漂移误差[^4]； - 同样地，围绕着速腾的产品也有丰富的开源资源可供参考学习，比如前面提及到的那个基于 LOAM 架构改进而来的版本就很好地展示了如何利用该品牌旗下的多款产品来达成特定目标。 综上所述，虽然两者都属于同一级别内的优秀代表作，但在具体选型过程中仍需综合考虑实际应用场景的要求再做决定。 ```python # 示例代码展示两种雷达数据读取方法 import numpy as np def read_livox_data(file_path): """Read data from Livox format.""" pass def read_rslidar_data(file_path): """Read data from RoboSense LiDAR format.""" point_cloud = np.loadtxt(file_path, delimiter=',') return point_cloud ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值