如何用浙大li_calib进行标定出错？(标签-GitHub)（相关搜索：数据集）

Question

录制完bag进行标定，进行到association步骤显示失败
plane type 0 plane numbers 0。失败
但是用GitHub里数据集正常跑通，下面的图是我录制包的信息

Answer 1

一杯年华@编程空间帮您解答，本答案结合 ChatGPT4.0和DeepSeek整理
我曾经遇到过类似的问题，当时也是在使用浙大li_calib进行标定时，在association步骤出现了plane相关参数为0且标定失败的情况，结合你的情况，我来分析下并给出解决方案。

从你提供的信息来看，用GitHub里的数据集能正常跑通，但自己录制的bag包不行，这说明问题很可能出在你录制的数据集上。出现“plane type 0、plane numbers 0”这样的错误，大概率是因为你录制的bag包中，点云数据里能被算法识别到的平面特征太少甚至没有，导致关联步骤无法正常进行。

可能的解决方案

1. 优化录制环境
   • 选择具有丰富平面特征的场景进行录制，比如室内的墙壁、地面、天花板，室外的建筑物墙面、路面等。这些场景中存在大量规则的平面，能为算法提供足够的平面特征进行关联。
   • 确保录制过程中，传感器（激光雷达和IMU）能清晰地捕捉到这些平面特征，避免在空旷无明显平面或特征杂乱无章的环境中录制。
2. 检查录制数据的质量
   • 查看bag包中激光雷达数据的完整性和准确性，确保没有数据丢失、卡顿或异常点过多的情况。如果激光雷达数据存在问题，可能会导致无法提取到有效的平面特征。
   • 检查IMU数据与激光雷达数据的同步性，两者数据不同步也可能影响算法对特征的提取和关联。

最优方案：优化录制环境

这是因为算法在association步骤主要依赖于从点云数据中提取平面等特征来进行关联计算，而录制环境的好坏直接决定了点云数据中平面特征的数量和质量。

• 具体操作时，我会先挑选合适的场景，比如普通的室内房间或者有整齐建筑物的室外区域。
• 录制时，让激光雷达尽可能多地扫描到周围的平面，比如缓慢移动传感器，确保各个方向的平面都能被充分采集到。
• 同时，在录制过程中保持传感器的稳定，避免剧烈晃动导致数据模糊或失真，影响平面特征的提取。

按照这样的方式重新录制bag包后，点云数据中会包含足够多的平面特征，association步骤就能顺利进行，从而解决标定失败的问题。

希望这些方案能帮到你，楼主采纳。如有问题请继续留言。