转自原文：https://blog.csdn.net/heyijia0327/article/details/85000943
１、论文
Extrinsic Calibration of a Camera and Laser Range Finder (improves camera calibration)
2、代码
https://github.com/cjn0608/CamLaserCalibraTool
3、标定原理
准备材料：标定板一个（平板上贴有棋盘格或者二维码，我使用的为 apriltag），已经标定好内参数的相机一个。
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 Tcl 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。
改进
实际上标定时会采集很多时刻的数据，激光点云数据量加起来可能会很多，直接丢给 ceres 求解速度慢。对于某一时刻，由于点云噪声通常在几厘米跳动，所以我们可以先对该时刻的激光数据进行直线拟合，然后只利用直线上的两个点来构建约束，这样就能减少 ceres 的计算量。
４、标定过程
1) 数据的采集
准备一个如图所示的标定板，A4 纸打印一个 Apriltag, 贴在一个平板上。然后将标定板至于相机和激光前方，激光线要能落在标定板上。不断调整标定板姿态，每换一个姿态(绕Roll, Pitch, Yaw旋转，移动位置)，请保持静止 2 秒以上，采集 10 个姿态左右的数据（当然越多越好）。用 rosbag 记录所有的图像和激光数据， 标定工具会自动检测你保持静止时刻的数据，并用来标定。
2) 获取 Marker 在相机里的姿态
需要修改的配置文件
config_and_tool/calibrat_config.yaml
运行工具箱的如下代码
roslaunch apriltags_ros example.launch
rosbag play your_bag.bag这个代码会把所有的 apriltag 的姿态保存到一个 txt 里，后续标定代码会读取这个txt，并自动检测静止时间段。
3) 运行标定工具
运行标定工具代码如下：
roslaunch lClibra example.launch标定工具自动读取 rosbag, 不需要使用 rosbag play。运行代码后，工具会自动检测每一个静止时刻，一旦检测到，就会把这个时刻的激光数据绘制成图像，你从图像里用方框选取那些恰好落在标定板上的激光，大致选一下就行，只是别选不是平面上的点。然后按任意键继续，如下图所示：
4) 标定结果的评估
在文件夹 config_and_tool 中准备了一个 python 可视化工具，会将每个静止时刻的点云数据和平面依次绘制出来，你可以查看激光数据是否恰好落在平面上来评估结果的好坏，另外也可以用 report 的残差大小作为评估依据。下图为某一个时刻的激光点云以及标定板平面示意图。