imu和canmera標定

最近在研究imu和相機的聯合標定方法，根據網上查到的資料和github上的開源工具總結以下。

一、聯合標定的工具Kalibr
https://github.com/ethz-asl/kalibr

wiki寫的很全了，總結如下要點：

須要：
一、內參：尺度，軸誤差、非線性（應用到raw measurements）

二、陀螺儀和加速度計的噪聲和隨機遊走誤差

三、標定圖像，很成熟了，使用ros中的工具箱就行。

採集圖像：
須要激活因此的軸，20Hz的相機，200Hz的IMU

避免震動，看到有說法使用人手不行，須要機械臂

若是您正在使用具備對稱性的校準目標（棋盤，圓網格），則必須避免可能致使目標姿態估計中的翻轉的運動。 推薦使用Aprilgrid來徹底避免這個問題。

中文博客教程：

https://blog.csdn.net/wwchen61/article/details/78013962    

https://www.2cto.com/kf/201709/682389.html

https://blog.csdn.net/Binbin_Sun/article/details/53791404提到：

當前標定的結果,主要基於如下兩個方面斷定:

* 真實的IMU座標系和相機座標系的轉換,即相機和IMU的物理距離
* 標定結果的穩定性上
標定的結果一直沒法使人滿意:
可能的緣由
    選擇的內參數值
    畸變係數的選擇
    採集過程當中出現的晃動
    座標系混亂

二、IMU內參標定工具imu_tk
https://github.com/Kyle-ak/imu_tk（或者https://bitbucket.org/alberto_pretto/imu_tk）

wiki基本沒有。

詳細介紹：https://blog.csdn.net/haoliliang88/article/details/76737960

關於IMU偏差的講解：https://www.cnblogs.com/buxiaoyi/p/7541974.html（推薦）

總結優化的方法：

加速度計：   誤差Bias，3個（六面法最小二乘問題）

                        尺度因子，3個

                        軸向誤差，3個

陀螺儀：       誤差Bias+高斯噪聲（Allan方差），3個

                        尺度因子，3個

                        軸向誤差，6個

泡泡機器人上的更爲詳細講解：http://rosclub.cn/post-221.html

這個是使用matlab，不過我不太想用matlab（雙系統每一個系統一個matlab，想一想就可怕），其中的理論仍是能夠看看的：

https://blog.csdn.net/qq541317072/article/details/70314841

加速度計：十面球形校準（重力加速度應該在球面上）

        程序的輸出是矩陣M和B，M是一個3*3的矩陣，表示三軸加速度計各方向的關聯（理想狀況該矩陣爲單位陣），B是3*1的矩陣即各方向bias。採集數據時要注意，保證重力加速度分別指向+-x、+-y、+-z六個方向，得到較爲準確的標定結果。

校準的過程：

靜置IMU T（通常取50s）。

旋轉IMU使其保持不一樣的姿態。

在某種姿態下，至少保持t（通常取1~4）s。

是否旋轉IMU N（通常選36~50）次。

用算法估計偏差參數

最後能夠根據殘差（residual）來挑選最終結果
要保證旋轉過程有明顯的加速減速過程，可使用6面法校準，多旋轉幾回避免奇異性。要注意參數的初始值的設定，若是設置很差會很大程度影響結果。

附上我這拙劣的操做：

三、噪聲和隨機遊走的標定（Allan方差）
https://github.com/rpng/kalibr_allan（matlab）

https://github.com/gaowenliang/imu_utils（ROS)

能夠看他們的wiki很詳細，也能夠看以前藍色推薦的那個，也有講。

後者是港科大推薦的，須要裝一個code_utils都在他的github上。

通常這些開源代碼不是有例程就有詳細的說明，提供參考。