一、引言

最近在为车辆添加障碍物检测模块，障碍物检测可以使用激光雷达进行物体聚类，但是我们使用的是16线的velodyne，线数还是有些稀疏，对于较远的物体过于稀疏的线数聚类效果并不好，因此考虑使用视觉进行目标检测，然后投影到3D点云里面，获取障碍物位置，同时视觉还可以给出障碍物类别信息。

使用视觉进行目标检测，将检测结果2D bounding box坐标信息投影到点云里面获得3D bounding boxx坐标，这里面需要将摄像头和激光雷达进行联合标定，即获取二者坐标系的空间转换关系。

相关代码已经同步到我的github-smartcar

https://github.com/sunmiaozju/smartcar​github.com

标定部分在detection/calibration文件夹, 信息融合部分在detection/camera_point_fusion

双目摄像头标定 python_视觉激光雷达信息融合与联合标定_weixin_39869693的博客-CSDN博客

以下内容转自：

opencv 双目标定操作完整版_hejingkui的博客-CSDN博客_opencv双目标定

一、首先说明几个情况：

  1、完成双目标定必须是自个拿棋盘图摆拍，网上涉及用opencv自带的标定图完成双目标定仅仅是提供个参考流程。我原来还以为用自带的图标定就行，但想不通的是咱们实际摆放的双目摄像头和人家当时摆放的肯定不一样，那用人家的标定图怎么能反应自己摄像头的实际情况；后来问了大神，才知道用opencv自带的标定图（或者说别人提供的图）进行标定，这是完全没有意义的。

  2、进行双目标定必须是左右相机同时进行拍摄，再把图保存下来。这点我是看opencv自带的图发现的，左右相机对应的图摆拍的姿势是一模一样的，除了左右相机视角带来的影响。

  3、我是先完成单目标定，再完成双目标定。记得把理论看看，要不然有些概念不清楚。
————————————————
版权声明：本文为CSDN博主「hejingkui」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/hejingkui/article/details/80488763