再多学一点！！！: 这个方法感觉应该是由于无法确定雷达的垂直高度所以导致结果误差过大，换这个方法：https://github.com/ehong-tl/camera_2d_lidar_calibration，手动标注，非常准确，但是需要确定好雷达点对应的像素点位置。

再多学一点！！！: 你需要修改ws/src/lasercamcal_ros/src/selectScanPoints.cpp文件，这个文件很重要，是出现红色线段的决定文件。最重要的是，作者的程序是让雷达的极坐标为0度的方向背对标定板，然后雷达扫描从极坐标的0度开始顺时针扫描，雷达点的id增加，程序中定义了雷达检测红线的范围：雷达极坐标系为180度的方向为“正前方”，然后在正前方的左右60°（注意，“左”是指你在雷达极坐标轴180度方向朝着雷达原点看去时，“你”的左边，而非雷达“正前方”面向你时，“雷达”的左边。另外。这篇文章下载下来的是80/0.3，和原始代码不一致，应该被修改过，原来是60/0.3，其中的0.3代表雷达的角分辨率，你可以从厂家得知，也可以计算，也就是雷达扫描一周360°除以扫描得到的总共点数），另外，你需要修改其中的一些参数以符合你的雷达，比如dist_thre，如果你的雷达扫描点比较密集，那么你需要适当降低它，比如0.02，还有如seg.id_end-seg.id_start > 20 #原始为50. 也就是让判断为一条直线的限制降低一些，这是因为作者的雷达扫描点比较密集（你可以看它最后的测试画面，里面很密集的点云）。

再多学一点！！！: 不行，因为你没法非常精确的对齐它们的某一个坐标轴，而这个的精度为像素点级别的，所以需要使用联合标定。

再多学一点！！！: 你可以设置录制固定时长的rosbag包，如rosbag record --duration=60s /scan /usb_cam/image_raw -O ~/bagfile.bag

再多学一点！！！: 作者默认使用鱼眼相机，如果你使用的是针孔相机，需要把config包里面的yaml文件进行修改，特别是需要将projection_parameters里面原来的参数全部去掉，替换为fx,fy,cx,cy,k1,k2,p1,p2，其中fx为焦距的水平量，fy为垂直量。ci为主点坐标，ki为径向畸变系数，pi为切向畸变系数。这些都是相机内参矩阵的内容，其可以通过matlab的toolbox中的相机内参标定来获取，目前看起来计算的比较准确。