手眼標定

機器人手眼標定Ax=xB（eye to hand和eye in hand）及平面九點法標定
Ax = xB問題求解，旋轉和平移分步求解法
手眼標定AX=XB求解方法（文獻總結）

基于靶的方法

1. 相機標定
   (1) ApriTag
   (2) 棋盤格：cv::findChessboardCorners
   (3) 品字格
2. 激光雷達標定
   (1) 激光雷達反射板

在線標定

這里面的在線標定指相對路面的位姿估計

1.廣角前視相機

(1) 基于LK稀疏光流求解H的動態標定方案

首先利用opencv::calcOpticalFlowPyrLK提取出連續兩幀之間的稀疏光流
假設相機在兩個不同位置拍攝同一個平面（路面）

frame1中的點可以由以下公式轉換到frame2中

X1表示三維坐標點，在平面P上，因此X1沿著平面法向量n的投影距離為d

進一步推導

結合公式1我們可以得到

因此我們就得到了平面的單應性矩陣

因此x2= Hx1，其中x1和x2分別是上一幀和當前幀相機坐標系下的點(x,y,1)，我們可以根據x2 - Hx1構建重投影誤差來優化H
那么如何由H分解出來相機與車輛的標定矩陣呢？
H是相機之間的變化Rt_cam求得的（本質上優化H也就是優化Rt_cam），然后根據車輛坐標系的移動Rt_vcs，可以計算出相機到車輛的標定Rt，如下所示

(2) 基于光流和車輛直行場景下估計yaw和pitch

首先通過光流構建前后幀特征點之間的匹配關系，然后構建極線約束求解Essential Matrix，分解E得到位移方向t的初值

利用最優化方法得到更精確的t的值，多個匹配特征點，tx和R構建sampson error優化，然后求解yaw和pitch

(3) 基于稠密光流