16个相机参数：

Overview

ethz-asl/kalibr is a toolbox that solves the following calibration problems:

Multiple camera calibration: intrinsic and extrinsic calibration of a camera-systems with non-globally shared overlapping fields of view
Camera-IMU calibration: spatial and temporal calibration of an IMU w.r.t a camera-system
Rolling Shutter Camera calibration: full intrinsic calibration (projection, distortion and shutter parameters) of rolling shutter cameras

kalibr website:

https://github.com/ethz-asl/kalibr/wiki/multiple-camera-calibration

https://github.com/ethz-asl/kalibr

1.安装

Kalibr 提供两种使用方式。第一种为CDE下直接使用，作者将所需的库文件打包好，省去了配置dependency的步骤，可以直接从

https://github.com/ethz-asl/kalibr/wiki/downloads

下载，注意需要科学浏览。

下载之后直接用

./cde-exec+命令即可使用对应的工具。

例如如果我们想使用kalibr内的kalibr_calibrate_cameras功能，

使用

./ced-exec kalibr_calibrate_cameras --target april_6x6.yaml --bag static.bag --models pinhole-equi pinhole-equi omni-radtan omni-radtan --topics /cam0/image_raw /cam1/image_raw /cam2/image_raw /cam3/image_raw

单目+IMU 和 双目+IMU 为例，讲解使用 Kalibr工具 标定 Camera-IMU，其中使用的摄像头分别为 Realsense ZR300 和 MYNT-EYE S系列摄像头。

2.开始标定

Kalibr不仅提供了IMU以及camera的联合标定工具箱，也提供了camera标定工具箱。

在此我们先使用camera标定工具对相机进行标定。

首先我们需要制作标定板，在此推荐使用april tag，可以使用kalibr自带工具自定义生成不同大小的标定板，命令如下

kalibr_create_target_pdf --type apriltag --nx [NUM_COLS] --ny [NUM_ROWS] --tsize [TAG_WIDTH_M] --tspace [TAG_SPACING_PERCENT]

roscore
rosrun uvc_camera uvc_camera_node
rosrun image_view image_view image:=/image_raw
rostipic list
rqt_image_view
rosbag record -o test /image_raw
rosbag play test_2019-08-14-14-22-35.bag

将生成的pdf打印出来，置于平稳，光照充足的地方，注意要保持平整。

Kalibr作者推荐将camera固定，然后移动标定板，这样可以提高标定的稳定性，但是鉴于我使用场景受限，我使用的是晃动camera方法。

之后就可以开始录制bag了，使用

rosbag record /cam0/image_raw /cam1/image_raw /imu0

若对相机标定结果满意我们可以继续进行camera以及imu的联合标定步骤，此步使用了如下信息：

1. 标定板yaml

2. 相机标定结果yaml

3. imu内参yaml

4. 前面使用的对应bag

有了如上材料即可进行联合标定，具体如下

kalibr_calibrate_imu_camera --target aprilgrid6x4.yaml --cam camchain-2017-06-14-09-13-29.yaml --imu imu.yaml --bag 2017-06-14-09-13-29.bag --bag-from-to 5 45

最后的--bag_from_to是选取地5-45s的bag数据，去除了拾取防止设备产生的抖动部分影响。我们建议进行多组标定之后将标定结果进行最佳无偏估计，不建议对R部分直接取平均值，可以将多组数据的R部分转换成四元数。之后进行处理。

3.标定板文件：target.yaml
Kalibr支持三种标定板，分别是Aprilgrid、Checkerboard和Circlegrid。

4.帮助小陶的标定记录

april.yaml

target_type: 'aprilgrid' #gridtype
tagCols: 6 #number of apriltags
tagRows: 6 #number of apriltags
tagSize: 0.025 #size of apriltag, edge to edge [m]
tagSpacing: 0.3 #ratio of space between tags to tagSize
#example: tagSize=2m, spacing=0.5m --> tagSpacing=0.25[-]

imu_adis16448.yaml

rostopic: /imu/data
update_rate: 200.0 #Hz

#accelerometer_noise_density: 2.0000e-3 #continous
#accelerometer_random_walk: 1.9393e-05
#gyroscope_noise_density: 1.6968e-04 #continous
#gyroscope_random_walk: 1.9393e-05

accelerometer_noise_density: 1.2e-2 #continous
accelerometer_random_walk: 3.0e-05
gyroscope_noise_density: 1.0e-02 #continous
gyroscope_random_walk: 3.0e-05

results-imucam-2019-11-12-11-40-05.txt

Calibration results
===================
Normalized Residuals
----------------------------
Reprojection error (cam0): mean 0.233871733163, median 0.206334845347, std: 0.148605727319
Gyroscope error (imu0): mean 0.0943654955325, median 0.0867912466407, std: 0.0496732486016
Accelerometer error (imu0): mean 0.119169698923, median 0.107462875286, std: 0.0668447618807

Residuals
----------------------------
Reprojection error (cam0) [px]: mean 0.233871733163, median 0.206334845347, std: 0.148605727319
Gyroscope error (imu0) [rad/s]: mean 0.0133452963602, median 0.0122741358095, std: 0.00702485818595
Accelerometer error (imu0) [m/s^2]: mean 0.020223768533, median 0.0182370546818, std: 0.011343932259

Transformation (cam0):
-----------------------
T_ci: (imu0 to cam0):
[[ 0.01032731 -0.99994666 -0.00016158 0.01401135]
[ 0.03105076 0.0004822 -0.99951769 0.07414391]
[ 0.99946446 0.01031731 0.03105408 -0.04191072]
[ 0. 0. 0. 1. ]]

T_ic: (cam0 to imu0):
[[ 0.01032731 0.03105076 0.99946446 0.03944135]
[-0.99994666 0.0004822 0.01031731 0.01440725]
[-0.00016158 -0.99951769 0.03105408 0.07541191]
[ 0. 0. 0. 1. ]]

timeshift cam0 to imu0: [s] (t_imu = t_cam + shift)
0.00165763516901

Gravity vector in target coords: [m/s^2]
[-0.00215999 -9.7244984 -1.26591825]

Calibration configuration
=========================

cam0
-----
Camera model: omni
Focal length: [3657.3894212462615, 3636.5284554729647]
Principal point: [638.9568695670013, 503.393652719486]
Omni xi: 5.80194283441
Distortion model: radtan
Distortion coefficients: [1.5274292230602973, -6.475270653629076, 0.0004049030197607094, 0.0019115670188138707]
Type: aprilgrid
Tags:
Rows: 6
Cols: 6
Size: 0.025 [m]
Spacing 0.0075 [m]

IMU configuration
=================

IMU0:
----------------------------
Model: calibrated
Update rate: 200.0
Accelerometer:
Noise density: 0.012
Noise density (discrete): 0.169705627485
Random walk: 3e-05
Gyroscope:
Noise density: 0.01
Noise density (discrete): 0.141421356237
Random walk: 3e-05
T_i_b
[[ 1. 0. 0. 0.]
[ 0. 1. 0. 0.]
[ 0. 0. 1. 0.]
[ 0. 0. 0. 1.]]
time offset with respect to IMU0: 0.0 [s]

Q1:I imu topics修改：如果标定相机zed leadsensor mynt 等相机录制ＩＭＵ节点topics可能为xxx/imu/data 需要修改imu.yaml文件进行适配。

Ｑ２:一个是利用rosbag节点运行的时候, 将发布的主题进行修改（remap ）。另一个则是这roslaunch文件中进行修改.

下面利用两种不同的方式将/image_raw‘映射到/camera/image_raw.

1. rosbag remap
rosbag play ros.bag /image_raw:=/camera/image_raw

2. roslaunch remap
<remap from="/image_raw" to="/camera/image_raw"/>

https://github.com/ethz-asl/kalibr/wiki/calibration-targets
https://www.cnblogs.com/wongyi/p/11152062.html
https://blog.csdn.net/yangdashi888/article/details/51356385
https://github.com/ethz-asl/kalibr/wiki/camera-imu-calibration

标定（二）----------双目相机与IMU联合标定（工具箱使用方法——Kalibr）相关推荐

双目相机与IMU联合标定
前言为了后面的视觉激光融合SLAM以及跑通VINS-Fusion,需要标定双目相机和IMU得内参以及它们得外参(变换矩阵). 准备工作双目相机:ZED-m IMU:realsense-t265(仅 ...
ZED2跑ORB-SLAM3+双目相机、IMU联合标定+显卡驱动与cuda/cudnn安装
一.引言同样是项目需求,需要利用视觉惯性导航做一些开发,所以第一步先做些算法的测试–仿真与实物测验,通过仿真的测试结果,最终是决定使用ORB-SLAM3来完成任务,当然了,Vins-fusion作为 ...
相机与IMU联合标定
相机与IMU联合标定 1 imu_utils 标定IMU的内参 1.1 安装环境 1.2 录制IMU数据集 2 kalibr 标定工具 2.1 安装 2.2 校准相机的内外参 2.3 校准相机与IMU ...
双目相机 -- IMU联合标定
声明:一些图片是不该有水印的,CSDN把图片链接的格式改了,暂时还不知道怎么去掉,请见谅!!! 目录 **声明**:一些图片是不该有水印的,CSDN把图片链接的格式改了,暂时还不知道怎么去掉,请见谅! ...
萌新谈相机与IMU的标定（转载）
我发现这里所给的标定板也是这个 https://drive.google.com/file/d/0B0T1sizOvRsUdjFJem9mQXdiMTQ/edit?resourcekey=0-0Cn7 ...
rs_D455相机内外参标定+imu联合标定
IMU标定 <launch><node pkg="imu_utils" type="imu_an" name="imu_an&quo ...
相机标定和双目相机标定标定原理推导及效果展示
文章目录前言一.相机标定 1.相机的四个坐标系 2.相机的畸变二.张正友标定法 1.求解内参矩阵与外参矩阵的积 2.求解内参矩阵 3.求解外参矩阵 4.标定相机的畸变参数 5.双目标定 6.极线 ...
安卓手机相机和IMU数据获取标定在VINS-MONO运行自己的数据集（含打包方法）（非常详细一步一步来）
Android手机上图像和IMU数据采集的方法网上有相关的教程,但都讲的很模糊,而且不全,甚至还有人要收费.自己完整做了一遍发现还是有些麻烦,固记录下来供大家参考,希望能帮到大家. 采用开源库 Vi ...
【camera-radar】相机-毫米波雷达联合标定方案介绍+实现
[camera-radar]相机-毫米波雷达联合标定方案介绍+实现代代码下载地址:下载地址部分代码: #include "typedef.h" #include <ope ...

标定（二）----------双目相机与IMU联合标定（工具箱使用方法——Kalibr）

april.yaml

imu_adis16448.yaml

results-imucam-2019-11-12-11-40-05.txt

标定（二）----------双目相机与IMU联合标定（工具箱使用方法——Kalibr）相关推荐

最新文章

热门文章