【KITTI数据集Odometry序列00-10标定文件中的参数关系解读】

KITTI数据集Odometry序列00-10标定文件中的参数关系解读

KITTI Odometry数据集是大量研究感知、salm、跟踪学者经常接触的数据集。但是对于新手来说，下载相应数据集进行坐标转换的过程中，往往会碰到对calib、pose文件中诸多矩阵不理解的情况。本人查找相关资料的时候发现，针对KITTI Odometry数据集的参数文件解释很少。因此，本人将学习使用中自己对这块的理解做如下阐述。其中，所讲之处如有错误，欢迎各位批评指正。

一、下载完整的里程计calib文件

我们从官网下载原始数据以后，打开数据中的calib文件此时会发现文件中缺少雷达到camera0的外参Tr内容如下：

为了补全这个外参数，我们需要将从KITTI官网下载calibration files文件，如图下图所示：

然后打开下载好的参数文件，此时就会发现其内部的calib文件包含Tr矩阵，如图所示:

因此，将下载好的calibration files中的calib文件全部替换原始数据中的calib文件，此时便可得到完整的参数文件。

二、calib.txt文件内容解读

我们以00为例，该calib参数文件中一共包含了5个矩阵：其中P0代表0号左边灰度相机、P1代表1号右边灰度相机、P2代表2号左边彩色相机、P3代表3号右边彩色相机，Tr代表velodyne。
对于每个相机i而言，Pi矩阵可以理解为相机i的内参矩阵*相机0相对于相机i的外参矩阵即：

Pi=$\left|\begin{array}{cccc}fx& 0& cx& 0\\ 0& fy& cy& 0\\ 0& 0& 1& 0\end{array}\right|$*$\left|\begin{array}{cccc}r11& r12& r13& Tx\\ r21& r22& r23& Ty\\ r31& r32& r33& Tz\\ 0& 0& 0& 1\end{array}\right|$
对于相机0而言，因为外参矩阵为I，所以相机0的内参矩阵K_cam0=P0(0:3, 0:3)；
对于相机1、2、3而言，因为四个相机的安装在统一水平线上，所以相机0相对于他们的外参数旋转矩阵为I，平移矩阵仅相差一个Tx，所以相机1、2、3的矩阵P可以简化为：

Pi=$\left|\begin{array}{cccc}fx& 0& cx& 0\\ 0& fy& cy& 0\\ 0& 0& 1& 0\end{array}\right|$*$\left|\begin{array}{cccc}1& 0& 0& Tx\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right|$=$\left|\begin{array}{cccc}fx& 0& cx& fx\ast Tx\\ 0& fy& cy& 0\\ 0& 0& 1& 0\end{array}\right|$
所以相机1、2、3的内参矩阵K_cami=Pi(0:3, 0:3), 相机0相对于他们的外参矩阵Ti=$\left|\begin{array}{cccc}1& 0& 0& Pi(0,3)/Pi(0,0)\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right|$
Tr表示雷达velodyne坐标系转换到相机0的变换矩阵。
所以我们利用calib文件得到四个相机内参数、外参数的同时，还可以得到雷达与四个相机之间的外参数即：

Tcami_velo=Ti*Tr

三、真值pose文件解读

KITTI官网下载的odometry里程计ground truth poses文件是以第一帧相机0的位置为原点，发布的各帧相机0的真实姿态变换矩阵。所以我们在利用激光雷达进行定位得到激光雷达位姿后，为了便于和真值进行比对，就需要将其转换到同一坐标系下：
我们先利用雷达和相机0之间的外参数，将相机0的位姿真值进行如下变换，便可得到在第一帧相机0原点下雷达的真实位姿：
aft_pose=pose*Tr
随后再进行如下变换，将坐标原点变换到第一帧雷达原点下，此刻便可得到第一帧雷达原点下雷达的真实位姿，由此便可与雷达slam得到的定位结果进行比对。
final_pose=Tr^(-1)*aft_pose