标定教程 way

相机与IMU联合标定

1、imu_utils 标定IMU的内参

1、 imu_utils标定IMU的内参，可以校准IMU的噪声密度和随机游走噪声

2、kalibr包标定相机的内外参数，相机与IMU之间的外参

1.1安装环境

这里使用的包是 imu_utils ,使用这个包可以校准IMU的噪声密度和随机游走噪声

step1： 安装ceres库

sudo apt-get install liblapack-dev libsuitesparse-dev libcxsparse3.1.2 libgflags-dev
sudo apt-get install libgoogle-glog-dev libgtest-dev

下载编译 ceres-solver

git clone https://github.com/ceres-solver/ceres-solver.git
cd ceres-solver
mkdir build
cd build
cmake ..
make
sudo make install

step2： 安装 code_utils

构建工作空间

mkdir -p ~/kalibr_workspace/src
cd ~/kalibr_workspace
catkin_make

注意:这里需要修改 code_utils 的 CMakeLists.txt 文件, CMAKE_CXX_FLAGS “-std=c++11” 改为 CMAKE_CXX_STANDARD 14 并在添加 include_directories(include/code_utils)

sudo apt-get install libdw-dev
cd kalibr_workspace/src
git clone https://github.com/gaowenliang/code_utils.git
cd ..
catkin_make

step3： 安装 imu_utils (imu_utils依赖code_utils 先编译code_utils 再编译imu_utils。)

注意:这里需要t同样修改 imu_utils 的 CMakeLists.txt 文件, CMAKE_CXX_FLAGS “-std=c++11” 改为 CMAKE_CXX_STANDARD 14

cd kalibr_workspace/src
git clone https://github.com/gaowenliang/imu_utils.git
cd ..
catkin_make

1.2、录制IMU数据集

step4: 静止情况下采集IMU的数据，并录制为ROS包，我采集的时间为2小时20分钟。

rosbag record /imu/data -O imu_xsens.bag

step5: 标定配置xsens.launch文件为如下内容：(指定IMU的topic)

<launch><node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"><param name="imu_topic" type="string" value= "/imu/data"/>      #话题名称<param name="imu_name" type="string" value= "xsens"/><param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/><param name="max_time_min" type="int" value= "120"/>   #加载多长时间的数据<param name="max_cluster" type="int" value= "100"/></node>
</launch>

这里有一个max_time_min表示使用bag数据的最大时长，单位是分钟，默认是120分钟，
step6:启动 imu_utils 标定IMU

roslaunch imu_utils xsens.launch
rosbag play -r 200 imu_xsens.bag

这一步是关键，在执行上上步roslaunch imu_utils xsens.launch之后，程序会进入等待话题的状态。
得到如下输出结果：

尽快执行rosbag play -r 200 自己的.bag，程序进入bag读取，并计算allan方差。当bag包加速回放完毕后，执行launch的窗口仍然会显示wait for imu data.，等待一段时间计算，计算完毕后会显示计算结果。
显示done之后，在catkin_ws/src/imu_utils/data这个文件夹下会出现一系列的data文件，打开xsens_imu_param.yaml这个文件，会看到计算出来的噪声和随机游走的系数值。
![在这里插入图片描述](https://img-blog.csdnimg.cn/319e45ea36804a1aa6bf7611742df814.png

%YAML:1.0
---
type: IMU
name: xsens
Gyr:unit: " rad/s"avg-axis:gyr_n: 5.0034702036714999e-02gyr_w: 2.4583978028785876e-03x-axis:gyr_n: 2.5852284735645492e-02gyr_w: 1.8303245177389645e-03y-axis:gyr_n: 9.8883151331650182e-02gyr_w: 4.8477797168896648e-03z-axis:gyr_n: 2.5368670042849317e-02gyr_w: 6.9708917400713272e-04
Acc:unit: " m/s^2"avg-axis:acc_n: 9.1440795637947525e-01acc_w: 2.1004351612340905e-02x-axis:acc_n: 2.0238764067980461e-01acc_w: 1.7432126284010131e-02y-axis:acc_n: 4.8601261496646220e-01acc_w: 2.0739830749315680e-02z-axis:acc_n: 2.0548236134921587e+00acc_w: 2.4841097803696900e-02

2、kalibr 标定工具

2.1安装

sudo apt-get install python-setuptools python-rosinstall ipython libeigen3-dev libboost-all-dev doxygen libopencv-dev
sudo apt-get install libopencv-dev ros-kinetic-vision-opencv ros-kinetic-image-transport-plugins ros-kinetic-cmake-modules python-software-properties software-properties-common libpoco-dev python-matplotlib python-scipy python-git python-pip ipython libtbb-dev libblas-dev liblapack-dev python-catkin-tools libv4l-dev

sudo pip install python-igraph  (sudo apt install python-pip (python2.7))
//若出现问题，用以下命令安装
sudo apt-get install python-igraph

编译kalibr,这里要确保电脑联网,编译时间有点长.

cd ~/kalibr_workspace/src
git clone https://github.com/ethz-asl/Kalibr.git
cd ~/kalibr_workspace
catkin build -DCMAKE_BUILD_TYPE=Release -j4
source ~/kalibr_workspace/devel/setup.bash

node:若编译出现如下问题,参考链接[2].

2.2 校准相机的内外参

标定板使用二维码aprilgrid或者棋盘格checkerboard都是可以的，使用时做好相应yaml的修改即可。标定板下载见https://github.com/ethz-asl/kalibr/wiki/downloads，需要有google帐号且要有谷歌云端硬盘的访问权限。如果不可以（比方说我就不可以），可参照https://github.com/ethz-asl/kalibr/wiki/calibration-targets，使用kalibr_create_target_pdf命令自己创建指定标定板然后打印就可以了。
本篇使用了二维码标定板，创建或修改apriltag.yaml

target_type: 'aprilgrid'    #gridtype
tagCols: 6                          #number of apriltags
tagRows: 6                              #number of apriltags
tagSize:  0.088                 #size of apriltag, edge to edge [m]
tagSpacing: 0.3                 #ratio of space between tags to tagSize

其中tagsize和tagspacing是要根据实际打印出来的标定板做修改的，其参数意义可参照下图，该图同样来自https://github.com/ethz-asl/kalibr/wiki/calibration-targets。

step1 运行相机节点

rosrun sensor_driver stereo_left_node
rosurn sensor_driver stereo_right_node

step2 修改话题的频率为4
启动相机节点，因为kalibr处理时建议图像频率不能太高，此处使用topic_tools/throttle对输出的图像话题降频，4Hz也是官方推荐的频率。

rosrun topic_tools throttle messages /stereo_left_node/left 4.0 /left
rosrun topic_tools throttle messages /stereo_right_node/right 4.0 /right

node:对命令解释说明
rosrun topic_tools throttle messages 修改后的话题名频率原始话题名
该命令可以修改话题的名和频率，本文修改了话题的频率，话题名称修改为/left /right

step3 录制bag数据

rosbag record -0 stereo_calibar.bag /left_img  /right_img

node:双目采集数据说明
将相机对准标定板，不断移动相机达到获取不同角度图像，大概采集200张图片（50s左右）

step4 用Kalibr双目相机标定

// 进入到kalibr工具目录下
source devel/setup.bash
rosrun kalibr kalibr_calibrate_cameras --bag xxx/stereo_calibra.bag --topics /left_img /right_img --models  omni-radtan omni-radtan --target xxx/april_6x6_80x80cm_A0.yamlrosrun kalibr kalibr_calibrate_cameras --bag src/data/2021-09-02-16-24-01.bag --topics /left_img /right_img --models omni-radtan omni-radtan --target src/data/april_6x6_80x80cm_A0.yaml --show-extraction --approx-sync 0.05

node:对命令解释说明

rosrun kalibr kalibr_calibrate_cameras --bag xxx/stereo_calibra.bag --topics /left_img /right_img --models omni-radtan omni-radtan --target xxx/april_6x6_80x80cm_A0.yaml --bag-from-to 5 105

xxx/stereo_calibra.bag stpe3 录制的bag路径
/left_img /right_img 话题名
omni-radtan omni-radtan 后面是相机/畸变模型，有几目相机就要写几个，这里是两个omni-radtan模型相机，所以是两个omni-radtan;相应地，其他支持的模型可以查看https://github.com/ethz-asl/kalibr/wiki/supported-models。
xxx/april_6x6_80x80cm_A0.yaml 标定板配置文件（使用标准的标定板，从官网下载的yaml文件参数不用修改，笔记本中有这个文件可以直接用）
–show-extraction　是在标定过程中的一个显示界面，可以看到图片提取的过程，可以不要；
–approx-sync 0.05　时间戳不对齐问题
–bag-from-to后面是想要使用数据时间段的起始时间和结束时间，单位：秒(s)，这个参数可以剔除掉刚开始录制和结束时一些出入视野等画面

个人遇到的问题记录：

标定运行过程中报错，RuntimeError: Optimization failed!

可以参照github上作者的回答https://github.com/ethz-asl/kalibr/issues/41，提高timeOffsetPadding (https://github.com/ethz-asl/kalibr/blob/master/aslam_offline_calibration/kalibr/python/kalibr_calibrate_imu_camera#L171)再次尝试。

标定完成会生成下面3个文件，其中命名为camchain的.yaml文件是后续联合标定要继续用到的，里面包含了所需的相机的内外参。

可以查看report的pdf，重投影误差（reprojection errors）在1个像素以内标定就是比较好的了。

3、相机和IMU联合标定

step1 录制数据集

把IMU和相机固定在一起录制ROS bag包, 录制的时候要注意按照官方的说法-充分激励IMU- 绕3个轴旋转和3个方向的平移，这里有个[官方视频3] 可以参考
录制数据包时同样也要控制图像数据频率。

rosrun topic_tools throttle messages /camleft/video_image 4.0 /caml
rosrun topic_tools throttle messages /camright/video_image 4.0 /camr
rosbag record -O stereo_imu_calibra.bag /stereo_left_node/left  /stereo_right_node/right /imu_node/imu0

注意事项：

采集数据的起始和结束阶段注意别晃动太大，如从桌子上拿起或者放下。如果有这样的动作，在标定阶段应该跳过bag数据集的首尾的数据.
采集数据的时候应该给imu各个轴足够的激励，如先依次绕各个轴运动，运动完后来个在空中画8字之类的操作，当然也要注意别运动太剧烈，图像都模糊了。

联合标定中imu内参yaml格式如下，并不能直接拿imu_utils的标定结果yaml文件来用，否则会报错RuntimeError: [ImuConfig Reader]: Could not read configuration from …

#Accelerometers
accelerometer_noise_density: 4.8641695361661035e-03   #Noise density (continuous-time)
accelerometer_random_walk:   2.3944306307068487e-04   #Bias random walk#Gyroscopes
gyroscope_noise_density:     5.4583665041817392e-04   #Noise density (continuous-time)
gyroscope_random_walk:       6.1968037914410386e-06   #Bias random walkrostopic:                    /imu      #the IMU ROS topic
update_rate:                 100.0      #Hz (for discretization of the values above)

step2 标定

source devel/setup.bash rosrun kalibr kalibr_calibrate_imu_camera --target src/data/april_6x6_80x80cm_A0.yaml --cam src/data/camera.yaml --imu src/data/A1_ium.yaml --bag src/data/stereo_imu_calibra.bag
rosrun kalibr kalibr_calibrate_imu_camera --target april_6x6_55x55mm.yaml --bag ~/bagfiles/zed_xsens.bag --bag-from-to 5 50 --cam src/data/camera.yaml  --imu src/data/A1_ium.yaml --imu-models scale-misalignment --timeoffset-padding 0.1

node:对命令解释说明

１、--target src/data/april_6x6_80x80cm_A0.yaml　：标定板的参数文件；

2、--bag images_imu.bag指定数据包

3、–bag-from-to 5 50设定bag包开始时间和结束时间，避开拿起和放下IMU的时间段内的数据

２、--cam src/data/camera.yaml　：camera的参数文件，格式参考【文档１:camera.yaml】。使用标定好的相机参数替换对应的内容；
３、--imu src/data/ium.yaml 　：imu的配置文件，格式参考【文档２：imu.yaml】，用标定好的imu参数替换相应的参数；
４、–imu-models scale-misalignment IMU的参数模型

camera.yaml文件内容如下:

cam0:cam_overlaps: [1]camera_model: pinholedistortion_coeffs: [-0.1734857772863602, 0.026545178121976657, 0.0004291887376674085,-3.4873170616746686e-05]distortion_model: radtanintrinsics: [693.131838769146, 692.5498277671763, 616.3486206381017, 379.6677572220899]resolution: [1280, 720]rostopic: /stereo/left/image_raw
cam1:T_cn_cnm1:- [0.9999658061828064, 0.0005632950824424241, 0.0082504038578218, -0.11947602055948268]- [-0.0006621128372211408, 0.9999280240823567, 0.011979493367486592, 0.0004870068672051519]- [-0.008243062037729159, -0.011984546441186855, 0.9998942056912012, -0.0028910358303400464]- [0.0, 0.0, 0.0, 1.0]cam_overlaps: [0]camera_model: pinholedistortion_coeffs: [-0.17456713089475154, 0.027410444232267236, 0.0006360696559962682,-0.0002450168896166665]distortion_model: radtanintrinsics: [694.2107729740508, 693.480347118504, 617.3114354961933, 380.800130116761]resolution: [1280, 720]rostopic: /stereo/right/image_raw

imu.yaml文件内容如下：

#Accelerometers
accelerometer_noise_density: 5.43036e-03   #Noise density (continuous-time)
accelerometer_random_walk:   1.44598e-04   #Bias random walk#Gyroscopes
gyroscope_noise_density:     4.9700e-03   #Noise density (continuous-time)
gyroscope_random_walk:       6.8522e-05   #Bias random walkrostopic:                    /imu/data      #the IMU ROS topic
update_rate:                 100.0      #Hz (for discretization of the values above)

标定完成以后同样会生成一个报表和在终端里面打印校准信息;

标定结果的重投影误差应该在零点几个像素
标定出来的位移和实际测量或估计的IMU 和相机中心位移比较一致

参考文献

Kalibr 标定双目内外参数以及 IMU 外参数
使用kalibr对双目-IMU进行标定（小觅相机）
[相机标定] 用Kalibr标定diy的双目相机
《视觉SLAM进阶：从零开始手写VIO》第二讲作业
没有libelf.h libdw.h
imu_utils IMU内参标定工具 imu_utils安装教程 imu_utils使用教程
VIO 中 IMU 的标定流程 (1/3) - imu_utils 使用备忘
VIO 中 IMU 的标定流程 (2/3) - kalibr_allan 使用备忘
VIO 中 IMU 的标定流程 (3/3) - imu_tk 使用备忘
相机与IMU联合标定_熊猫飞天的博客-CSDN博客_相机和imu联合标定

相机与IMU标定教程相关推荐

VIO测试准备——使用imu_utils和kalibr进行相机与IMU标定
0 前言近期主要学习VIO.相机使用海康的两个支持外触发的单目相机,完成硬件同步外触发后,固联安装在机器人机体两侧,搭建了一个简易的双目相机.IMU使用的是LPMS-USBAL2(老型号,官方已经不 ...
Android相机及IMU标定
文章目录 1. 数据采集 1.1 采集IMU数据 1.2 采集相机+IMU数据 2. IMU标定 2.1 数据预处理 2.2 数据打包⽣成.bag⽂件 2.3 创建.launch文件 2.4 数据标定 ...
相机、imu 标定简介
惯性校准对于 IMU,重点在于它所测量的是加速度,而非距离或速率.IMU 读数的误差会逐渐累积,累积速度极快! 校准和建模的目的在于确保每秒钟的 X 等分时间段内,对于距离的测量(对加速度进行二重积 ...
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 ...
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 ...
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 ...
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 ...
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 ...
Ubuntu 18.04 Intel RealSense D435i 相机标定教程
1.D435i相机简介 RealSenseD435i 是一款立体视觉深度相机,如下图所示,其集成了两个红外传感器(IR Stereo Camera).一个红外激光发射器(IR Projector)和一 ...

相机与IMU标定教程