Pour les projets d'autonomie de conduite ou les systèmes de perception robotique, l'étalonnage conjoint des capteurs LiDAR et caméra est une étape fondamentale. Il ne s'agit pas seulement d'obtenir une matrice de transformation, mais de garantir la précision des tâches subséquentes comme la détection d'objets, la reconstruction 3D ou le SLAM. Face à la diversité des outils, des paramètres complexes et des interfaces parfois déroutantes, les débutants peuvent se sentir perdus. Ce guide propose une approche pratique pour décomposer ce processus.

1. Préparation de l'environnement et choix des outils

Avant de commencer, un environnement logiciel stable et compatible est essentiel. Les échecs d'étalonnage proviennent souvent de problèmes de configuration.

Système d'exploitation et version de ROS

Ubuntu 18.04 avec ROS Melodic reste une combinaison éprouvée et largement utilisée dans le domaine de l'autonomie. Bien que des versions plus récentes existent, Melodic bénéficie d'une plus longue période de test pour les chaînes d'outils d'étalonnage. Si vous utilisez une autre combniaison, soyez attentif à la compatibilité des bibliothèques.

Outil d'étalonnage principle

Vous avez principalement deux options :

1. Outils ROS natifs : Utilisation du package camera_calibration pour l'étalonnage intrinsèque de la caméra, complété par des packages tiers comme lidar_camera_calibration pour l'étalonnage conjoint. Cette approche est modulaire mais peut être moins intuitive pour les débutants.
2. calibration_camera_lidar dans l'écosystème Autoware : Ce package, détaché d'Autoware, offre une interface graphique (GUI) intégrée. Il permet de visualiser simultanément l'image et le nuage de points, d'extraire et de faire correspondre les points de référence de la cible d'étalonnage en temps réel, simplifiant considérablement le processus. Pour les novices, ce dernier est fortement recommandé.

Note : L'instalation complète d'Autoware peut être complexe et sujette aux erreurs. Pour un étalonnage de capteurs, compiler uniquement le package indépendant calibration_camera_lidar est une approche plus efficace.

Installation de calibration_camera_lidar : étapes clés et conseils

Clonez d'abord le dépôt et gérez sa dépendance principale, nlopt (une bibliothèque d'optimisation non linéaire) :

# Clonez le package d'étalonnage dans le répertoire src de votre espace de travail ROS
cd ~/catkin_ws/src
git clone https://github.com/XidianLemon/calibration_camera_lidar.git

Premier obstacle fréquent : la bibliothèque libnlopt-dev du système peut entrer en conflit avec une version compilée depuis les sources. Il est conseillé de désinstaller la version système et d'utiliser uniquement la compilation à partir des sources :

sudo apt-get remove libnlopt-dev

Suivez ensuite les instructions du fichier README du dépôt calibration_camera_lidar pour compiler et installer nlopt à partir de son lien fourni.

Deuxième obstacle pour les utilisateurs de ROS Melodic et supérieur : vous devrez peut-être modifier le fichier CMakeLists.txt du package calibration_camera_lidar pour qu'il reconnaisse votre version de ROS. Recherchez des expressions comme (indigo|jade|kinetic) et étendez-les à (indigo|jade|kinetic|melodic|noetic) (en fonction de votre version). Une fois terminé, compilez votre espace de travail :

cd ~/catkin_ws
catkin_make

Si la compilation réussit, vous disposerez d'un outil puissant dédié à l'étalonnage, sans la complexité d'une installation complète d'Autoware.

2. Conception de la cible d'étalonnage et acquisition des données

La précision de l'étalonnage dépend à moitié de la qualité de la cible d'étalonnage et des données acquises.