前言

该论文的标定间比较高端，一旦四轮定位后，可确定标定板与车辆姿态。以下为本人理解，仅供参考。

工厂标定，可理解为车辆相关的标定，不涉及传感器间标定

该标定工具不依赖opencv；产线长度一般2.5米
Factory Calibration Tools：四轮定位+多位姿标定板

1、Calibration Board Setup Tools

1）根据传感器安装位姿，生成标定板放置范围
2）检测当前环境标定板姿态是否合适

2、Calibration board detection：

1）标定线可使用5种类型标定板[chessboard, circle board, vertical board, aruco marker board, and round hole board]

2）chessboard
板子边沿设置为白色；选定初始化阈值进行自适应二值化图片检查，拓展到黑格子的四个角点；候选点，通过添加约束条件聚类获取角点；最后输出角点检测结果。

3）circle board
高精度，由于圆边沿的像素都会使用以减低图像噪点，保证了高精度
从二值化图片中提取圆：最大、最小边沿与轮廓中心距离满足一定阈值，则该轮廓判断为像素圆；
水平圆心连线通过Ransac算法与斜率实现[筛选条件：平行、半径接近、重投影重合、线段距离和半径距离限制]

4）vertical board
鲁棒性。灰度图获取角点，找三条通过角点的垂直线。对于每一条直线组合，将左右直线上的角点投影到中间的直线上，通过投影线上角点与图案特征之间的距离进行筛选和分割，得到正确的角点

5）aruco marker board
灰度图像二值化，邻域搜索候轮廓，轮廓受边数量约束；条件筛选获取四边形；过滤过于接近的四边形。然后，通过径向变换从四边形中提取外矩形，用 127 的阈值对图像进行去二值化处理，切割图像以获得二维码区域，并用 6*6 的网格划分二维码。根据二维码库获取码id，进而获取角点在标定板上位置

6） round hole board
轮廓匹配获取圆心，根据已知板子尺寸与孔尺寸信息，二维遍历进而匹配。标定板激光点云圆轮廓获取，提取图片标定板园轮廓，匹配算得外参。

3、相机标定

工厂标定：
需要：智驾产品正常运作前提是标定

一般标定条目：
相机标定包括校准灭点位置、相机到地面的单应矩阵计算，相机与车辆标定

工厂标定前，需要进行四轮定位

1）灭点标定：两条视觉平行线交点就是灭点。所寻找的消失点是与车身坐标平行的平行线的交点，那么灭点的计算方法就是相机通过标定板的一条线，并且这条线与车身保持平行。

2）camera与车辆标定：在出厂标定之前，需要对要标定的汽车进行四轮定位。四轮定位后，标定板板相对于车身中心的坐标被固定，然后使用相机识别标定板并进行标定。可以得到相机相对于车体坐标的姿态，这通常由 PnP 算法求解[个人未进行公式推导]
3）camera与地面标定：

A-VP与B-VP平行，纵坐标距离可根据距离公式获取，横坐标相同。根据ABCD四点的像素坐标与世界坐标系的关系，可算得相机到地面的单应矩阵[个人未进行公式推导]
距离公式计算参考：

补充：上图基于针孔模型理解

4、lidar到车辆标定

已知标定板在车辆坐标系下的姿态[个人理解，采用百度类似标定房，四轮定位后，每块标定板姿态都是可知的]，lidar也能测量出标定板在lidar坐标系下的姿态，那么根据公式：

残差函数：

那么，可以算得lidar到车辆的标定外参

资料来源：
OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving
Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy

################
好记性不如烂笔头
积硅步期千里