本文经自动驾驶之心公众号授权转载，转载请联系出处。
相机与激光雷达的标定是很多任务的基础工作，标定精度决定了下游方案融合的上限，因为许多自动驾驶与机器人公司投入了较大的人力物力不断提升，今天也为大家盘点下常见的Camera-Lidar标定工具箱，建议收藏！
1.Libcbdetect
一次拍摄多棋盘格检测：https://www.cvlibs.net/software/libcbdetect/
MATLAB代码实现，该算法自动提取角到亚像素精度，并将它们组合成（矩形）棋盘状图案。它可以处理各种图像（针孔相机、鱼眼相机、全向相机）。
2.Autoware 标定包
Autoware 框架的激光雷达-相机标定工具包。
链接：https://github.com/autowarefoundation/autoware_ai_utilities/tree/master/autoware_camera_lidar_calibrator
3.基于3D-3D匹配的靶标标定
基于3D-3D点对应关系的激光雷达相机标定，ROS包，出自论文《LiDAR-Camera Calibration using 3D-3D Point correspondences》！
链接：https://github.com/ankitdhall/lidar_camera_calibration
4.上海 AI Lab OpenCalib
上海人工智能实验室出品，OpenCalib提供了一个传感器标定工具箱。工具箱可用于标定IMU、激光雷达、相机和Radar等传感器。
链接：https://github.com/PJLab-ADG/SensorsCalibration
5.Apollo 标定工具
Apollo标定工具箱，链接：https://github.com/ApolloAuto/apollo/tree/master/modules/calibration
6.Livox-camera标定工具
本方案提供了一个手动校准Livox雷达和相机之间外参的方法，已经在Mid-40，Horizon和Tele-15上进行了验证。其中包含了计算相机内参，获得标定数据，优化计算外参和雷达相机融合应用相关的代码。本方案中使用了标定板角点作为标定目标物，由于Livox雷达非重复性扫描的特点，点云的密度较大，比较易于找到雷达点云中角点的准确位置。相机雷达的标定和融合也可以得到不错的结果。
链接：https://github.com/Livox-SDK/livox_camera_lidar_calibration
中文文档：https://github.com/Livox-SDK/livox_camera_lidar_calibration/blob/master/doc_resources/README_cn.md
7.CalibrationTools
CalibrationTools为激光雷达-激光雷达、激光雷达相机等传感器对提供标定工具。除此之外，还提供了：
1）定位-偏差估计工具估计用于航位推算（IMU和里程计）的传感器的参数，以获得更好的定位性能！
2）Autoware控制输出的可视化和分析工具；
3）用于修复车辆指令延迟的校准工具；
链接：https://github.com/tier4/CalibrationTools
8.Matlab
Matlab自带的工具箱，支持激光雷达和相机的标定，链接：https://ww2.mathworks.cn/help/lidar/ug/lidar-and-camera-calibration.html
9.ROS 标定工具
ROS Camera LIDAR Calibration Package，链接：https://github.com/heethesh/lidar_camera_calibration
10.Direct visual lidar calibration
该软件包提供了一个用于激光雷达相机标定的工具箱：可通用：它可以处理各种激光雷达和相机投影模型，包括旋转和非重复扫描激光雷达，以及针孔、鱼眼和全向投影相机。无目标：它不需要标定目标，而是使用环境结构和纹理进行标定。单次拍摄：标定至少只需要一对激光雷达点云和相机图像。可选地，可以使用多个激光雷达相机数据对来提高精度。自动：标定过程是自动的，不需要初始猜测。准确和稳健：它采用了像素级直接激光雷达相机配准算法，与基于边缘的间接激光雷达相机配准相比，该算法更稳健和准确。
链接：https://github.com/koide3/direct_visual_lidar_calibration
11.2D lidar-camera工具箱
这是一个基于 ROS 的单线激光和相机外参数自动标定代码。标定原理如下图所示，相机通过二维码估计标定板平面在相机坐标系下的平面方程，由于激光点云落在平面上，将点云通过激光坐标系到相机坐标系的外参数 转换到相机坐标系，构建点到平面的距离作为误差，使用非线性最小二乘进行求解。
链接：https://github.com/MegviiRobot/CamLaserCalibraTool
