（参考：sjtu2021雷达开源，pcl_matcher，群内聊天记录） 一共可以分为三步：1. 手动四点标定 2. icp精匹配 3.通过差分得到动态障碍物
-
手动四点标定： 第一个部分就是要创建一个可以相应鼠标点击的ui界面，进行人为选点标定；然后是接入capture类获取相关相机参数；在另外一个参数文件中，写入标定用位姿估计常量相关参数；显示提示按一定顺序进行标定；利用标定用位姿估计常量，设定世界坐标系；然后设置opencv中各种常量和窗口，进入标定主循环：利用mousecallback函数和自己写的callback函数获取鼠标点击，然后在图像上画出标定点，并首尾相连；利用solvepnp，解算得到field->camera变换矩阵；写一个暂存函数，暂存得到的标定信息，经过一共三次标定（个人认为可以找地图上三组不同的有特点的点组，不应该用同样的四个点一直标定）
-
ICP精匹配： 已知条件：1.四点标定给出的旋转和平移矩阵，以下称为ctf（camera_to_field）变换矩阵，因为相机和雷达的位置关系，我们可以在ctf变换矩阵上与camera_to_lidar变换矩阵得到lidar_to_field变换矩阵（记为ltf变换矩阵），ltf变换矩阵可以作为icp回归问题的初始变换矩阵。2.lidar的点云和赛场先验点云建模，前者为source点云，后者为target点云。
-
差分得到动态障碍物： 这里还没有很好的思路，但是想到jjy做的拓扑图，结合视觉的定位信息，有一个这样的思路。拓扑图相当于可以给出车辆行驶经过某一个区域的的可行性，这里可以做一个置信度的实现；而后视觉的定位信息可以拿到在雷达坐标系下车辆的定位信息，那么设置一定的聚类半径就可以得到动态障碍物，然后结合拓扑图给出的置信度信息，可以滤除错误的动态障碍物信息
如何选取可以高效完成标定的地图上的点；三组标定一定是最好的吗，可不可能过多或者还不够，可能需要实验；如何验证得到的变换矩阵是正确的，以及如何完成测试，如何设置合理的角点顺序
保证从相机的初始位姿到lidar的初始位姿变换的正确性；icp算法运算量O（mn），如何优化算法，在我们帧率本就不高的前提之下，是否需要尝试别的算法，对外参矩阵的精度要求高
难点：阈值的选取怎样是合适的阈值，保证不会让静态障碍物变成动态。算法优化（如果可以的话）