• 使用autoware自带的联合标定工具autoware_camera_lidar_calibrator，会打开一个image_view2控件，一开始的黑白的，因为此时没有任何的摄像头话题数据传输。只需要播放刚才录制的rosbag包，就会有摄像头的内容。

roslaunch autoware_camera_lidar_calibrator camera_lidar_calibration.launch intrinsics_file:=/home/autoware/Experiments/right_6mm/intrinsic_calibration/1280x720/65mm/20210320_0144_autoware_camera_calibration.yaml image_src:=/usb_cam/image_raw
其中
intrinsics_file：为摄像头的内参矩阵yaml文件的绝对路径
image_src：为摄像头的话题

• 然后打开rviz，在左侧Fixed Frame中填入Velodyne，并添加Image和PointCloud2控件用于显示摄像头与点云的话题/usb_cam/image_raw和/points_raw，再在右侧的视角设置中选择XYOrbit(rviz)点云编辑模式

重复以上步骤，选择 9 个不同的像素-点云对，因为需要足够的数据才能计算外参矩阵，当第 9 个点选择完后，该工具会自动计算外参标定矩阵

联合标定外参矩阵结果验证

• 启动roscore
• 播放rosbag包
• 然后再开一个窗口启动autowareroslaunch runtime_manager runtime_runtime_manager.launch

• 打开Sensing模块下的calibration publisher，加载联合标定保存好的外参矩阵yaml文件

  
  

• 打开下方第二个Points Image，选择摄像头

  
  
• 打开下方的RViz按钮，在Fixed Frame中选择Velodyne，并在Panels中添加Add New Panel，选择ImageViewerPlugin插件，Image Topic中选择/usb_cam/image_raw，在Point Topic中选择points_raw

红线都在标定板上，说明激光雷达摄像头联合标定生成的外参矩阵的重投影误差比较小，标定效果还可以，但还需要继续提升效果