Realsence D455标定并运行Vins-Fusion

这篇具有很好参考价值的文章主要介绍了Realsence D455标定并运行Vins-Fusion。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、双目相机标定

1. 标定板准备

1.1 打印标定板

地址:https://github.com/ethz-asl/kalibr/wiki/downloads
Realsence D455标定并运行Vins-Fusion下载,然后直接用A4纸就可以打印出来(有条件去淘宝买一个视觉标定板,标出来的误差会更小)

1.2 标定板信息
原始pdf的格子参数是:

Realsence D455标定并运行Vins-Fusion

调整后的格子参数是:

新建april_6x6_A4.yaml文件,内容展示如下:

target_type: 'aprilgrid' #gridtype
tagCols: 6               #number of apriltags
tagRows: 6               #number of apriltags
tagSize: 0.021           #size of apriltag, edge to edge [m]
tagSpacing: 0.3          # 小格子与大格子边长比例
codeOffset: 0            #code offset for the first tag in the aprilboard

千万要自己测量大格子边长,即tagSize

2. 左右目相机数据准备

在这之前需要安装realsence的sdk和ros,参考博客:Intel Realsense D455深度相机的标定及使用(一)——安装librealsense SDK2.0以及realsense-ros

2.1 修改rs_camera.launch内容

(1)打开双目

 <arg name="enable_infra1"       default="true"/>
 <arg name="enable_infra2"       default="true"/>

(2)打开imu的加速度计和陀螺仪

  <arg name="enable_gyro"         default="true"/>
  <arg name="enable_accel"        default="true"/>

并合并为一个topic

<arg name="unite_imu_method"          default="linear_interpolation"/>

(3)传感器同步

  <arg name="enable_sync"               default="true"/>

当然也可以修改图像分辨率(我选择默认了):

  <arg name="infra_width"         default="848"/>
  <arg name="infra_height"        default="480"/>

rs_camera.launch 整体

<launch>
  <arg name="serial_no"           default=""/>
  <arg name="usb_port_id"         default=""/>
  <arg name="device_type"         default=""/>
  <arg name="json_file_path"      default=""/>
  <arg name="camera"              default="camera"/>
  <arg name="tf_prefix"           default="$(arg camera)"/>
  <arg name="external_manager"    default="false"/>
  <arg name="manager"             default="realsense2_camera_manager"/>
  <arg name="output"              default="screen"/>
  <arg name="respawn"              default="false"/>

  <arg name="fisheye_width"       default="-1"/>
  <arg name="fisheye_height"      default="-1"/>
  <arg name="enable_fisheye"      default="false"/>

  <arg name="depth_width"         default="-1"/>
  <arg name="depth_height"        default="-1"/>
  <arg name="enable_depth"        default="true"/>

  <arg name="confidence_width"    default="-1"/>
  <arg name="confidence_height"   default="-1"/>
  <arg name="enable_confidence"   default="true"/>
  <arg name="confidence_fps"      default="-1"/>

  <arg name="infra_width"         default="848"/>
  <arg name="infra_height"        default="480"/>
  <arg name="enable_infra"        default="false"/>
  <arg name="enable_infra1"       default="true"/>
  <arg name="enable_infra2"       default="true"/>
  <arg name="infra_rgb"           default="false"/>

  <arg name="color_width"         default="-1"/>
  <arg name="color_height"        default="-1"/>
  <arg name="enable_color"        default="true"/>

  <arg name="fisheye_fps"         default="-1"/>
  <arg name="depth_fps"           default="-1"/>
  <arg name="infra_fps"           default="30"/>
  <arg name="color_fps"           default="-1"/>
  <arg name="gyro_fps"            default="-1"/>
  <arg name="accel_fps"           default="-1"/>
  <arg name="enable_gyro"         default="true"/>
  <arg name="enable_accel"        default="true"/>

  <arg name="enable_pointcloud"         default="false"/>
  <arg name="pointcloud_texture_stream" default="RS2_STREAM_COLOR"/>
  <arg name="pointcloud_texture_index"  default="0"/>
  <arg name="allow_no_texture_points"   default="false"/>
  <arg name="ordered_pc"                default="false"/>

  <arg name="enable_sync"               default="true"/>
  <arg name="align_depth"               default="false"/>

  <arg name="publish_tf"                default="true"/>
  <arg name="tf_publish_rate"           default="0"/>

  <arg name="filters"                   default=""/>
  <arg name="clip_distance"             default="-2"/>
  <arg name="linear_accel_cov"          default="0.01"/>
  <arg name="initial_reset"             default="false"/>
  <arg name="reconnect_timeout"         default="6.0"/>
  <arg name="wait_for_device_timeout"   default="-1.0"/>
  <arg name="unite_imu_method"          default="linear_interpolation"/>
  <arg name="topic_odom_in"             default="odom_in"/>
  <arg name="calib_odom_file"           default=""/>
  <arg name="publish_odom_tf"           default="true"/>

  <arg name="stereo_module/exposure/1"  default="7500"/>
  <arg name="stereo_module/gain/1"      default="16"/>
  <arg name="stereo_module/exposure/2"  default="1"/>
  <arg name="stereo_module/gain/2"      default="16"/>
  
  

  <group ns="$(arg camera)">
    <include file="$(find realsense2_camera)/launch/includes/nodelet.launch.xml">
      <arg name="tf_prefix"                value="$(arg tf_prefix)"/>
      <arg name="external_manager"         value="$(arg external_manager)"/>
      <arg name="manager"                  value="$(arg manager)"/>
      <arg name="output"                   value="$(arg output)"/>
      <arg name="respawn"                  value="$(arg respawn)"/>
      <arg name="serial_no"                value="$(arg serial_no)"/>
      <arg name="usb_port_id"              value="$(arg usb_port_id)"/>
      <arg name="device_type"              value="$(arg device_type)"/>
      <arg name="json_file_path"           value="$(arg json_file_path)"/>

      <arg name="enable_pointcloud"        value="$(arg enable_pointcloud)"/>
      <arg name="pointcloud_texture_stream" value="$(arg pointcloud_texture_stream)"/>
      <arg name="pointcloud_texture_index"  value="$(arg pointcloud_texture_index)"/>
      <arg name="enable_sync"              value="$(arg enable_sync)"/>
      <arg name="align_depth"              value="$(arg align_depth)"/>

      <arg name="fisheye_width"            value="$(arg fisheye_width)"/>
      <arg name="fisheye_height"           value="$(arg fisheye_height)"/>
      <arg name="enable_fisheye"           value="$(arg enable_fisheye)"/>

      <arg name="depth_width"              value="$(arg depth_width)"/>
      <arg name="depth_height"             value="$(arg depth_height)"/>
      <arg name="enable_depth"             value="$(arg enable_depth)"/>

      <arg name="confidence_width"         value="$(arg confidence_width)"/>
      <arg name="confidence_height"        value="$(arg confidence_height)"/>
      <arg name="enable_confidence"        value="$(arg enable_confidence)"/>
      <arg name="confidence_fps"           value="$(arg confidence_fps)"/>

      <arg name="color_width"              value="$(arg color_width)"/>
      <arg name="color_height"             value="$(arg color_height)"/>
      <arg name="enable_color"             value="$(arg enable_color)"/>

      <arg name="infra_width"              value="$(arg infra_width)"/>
      <arg name="infra_height"             value="$(arg infra_height)"/>
      <arg name="enable_infra"             value="$(arg enable_infra)"/>
      <arg name="enable_infra1"            value="$(arg enable_infra1)"/>
      <arg name="enable_infra2"            value="$(arg enable_infra2)"/>
      <arg name="infra_rgb"                value="$(arg infra_rgb)"/>

      <arg name="fisheye_fps"              value="$(arg fisheye_fps)"/>
      <arg name="depth_fps"                value="$(arg depth_fps)"/>
      <arg name="infra_fps"                value="$(arg infra_fps)"/>
      <arg name="color_fps"                value="$(arg color_fps)"/>
      <arg name="gyro_fps"                 value="$(arg gyro_fps)"/>
      <arg name="accel_fps"                value="$(arg accel_fps)"/>
      <arg name="enable_gyro"              value="$(arg enable_gyro)"/>
      <arg name="enable_accel"             value="$(arg enable_accel)"/>

      <arg name="publish_tf"               value="$(arg publish_tf)"/>
      <arg name="tf_publish_rate"          value="$(arg tf_publish_rate)"/>

      <arg name="filters"                  value="$(arg filters)"/>
      <arg name="clip_distance"            value="$(arg clip_distance)"/>
      <arg name="linear_accel_cov"         value="$(arg linear_accel_cov)"/>
      <arg name="initial_reset"            value="$(arg initial_reset)"/>
      <arg name="reconnect_timeout"        value="$(arg reconnect_timeout)"/>
      <arg name="wait_for_device_timeout"  value="$(arg wait_for_device_timeout)"/>
      <arg name="unite_imu_method"         value="$(arg unite_imu_method)"/>
      <arg name="topic_odom_in"            value="$(arg topic_odom_in)"/>
      <arg name="calib_odom_file"          value="$(arg calib_odom_file)"/>
      <arg name="publish_odom_tf"          value="$(arg publish_odom_tf)"/>
      <arg name="stereo_module/exposure/1" value="$(arg stereo_module/exposure/1)"/>
      <arg name="stereo_module/gain/1"     value="$(arg stereo_module/gain/1)"/>
      <arg name="stereo_module/exposure/2" value="$(arg stereo_module/exposure/2)"/>
      <arg name="stereo_module/gain/2"     value="$(arg stereo_module/gain/2)"/>

      <arg name="allow_no_texture_points"  value="$(arg allow_no_texture_points)"/>
      <arg name="ordered_pc"               value="$(arg ordered_pc)"/>
      
    </include>
  </group>
</launch>
2.2 关闭结构光

默认开始IR结构光时,双目图像会有很多点,这些点可能对标定有影响,所以使用时需要关闭结构光。
终端1:

source /home/lessle6/Packages/RealsenseRos_ws/devel/setup.bash
roslaunch /home/lessle6/Packages/RealsenseRos_ws/src/realsense-ros/realsense2_camera/launch/rs_camera.launch

再打开一个终端2:

rosrun rqt_reconfigure rqt_reconfigure

打开后将camera->stereo_module中的emitter_enabled设置为off(0) ,展示如下:
Realsence D455标定并运行Vins-Fusion

2.3 可视化双目图像

新打开终端,运行rviz

rviz

修改Fiexd Fram 为camera_link
Realsence D455标定并运行Vins-Fusion

之后在里面add rgb和双目对应的topic,/camera/color/image_raw、/camera/infra1/image_rect_raw、/camera/infra2/image_rect_raw展示如下:
Realsence D455标定并运行Vins-Fusion之后固定标定版,尝试移动标定板,同时要确保标定板一直在三个图像当中。录制过程参考https://www.youtube.com/watch?v=puNXsnrYWTY&app=desktop
需要科学上网观看
总结下来就是偏航角左右摆动3次,俯仰角摆动3次,滚转角摆动3次,上下移动3次,左右移动3次,前后移动3次,然后自由移动一段时间,摆动幅度要大一点,让视角变化大一点,但是移动要缓慢一点,同时要保证标定板在3个相机视野内部,整个标定时间要在90s以上更好。

2.4 修改相机播包帧数

修改相机帧数(官方推荐是4Hz减少冗余帧,加快计算速度)
Realsence D455标定并运行Vins-Fusion不过有时候updatesize之后发现两个双目时间辍总是差点东西:
Realsence D455标定并运行Vins-Fusion后来联标完成,看时间辍延迟不太对发现的。不过大多数都一致~

kalibr在处理标定数据的时候要求频率不能太高,一般为4Hz,我们可以使用如下命令来更改topic的频率,实际上是将原来的topic以新的频率转成新的topic,实际测试infra1才是对应左目相机。

rosrun topic_tools throttle messages /camera/color/image_raw 4.0 /color
rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 4.0 /infra_left
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 4.0 /infra_right
2.5 录制数据
rosbag record -O multicameras_calibration /infra_left /infra_right /color

multicameras_calibration.bag为录制数据

3. kalibr 程序标定

这里需要安装kalibr

source /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/devel/setup.bash

cd  /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace

rosrun kalibr kalibr_calibrate_cameras \
--target /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/april_6x6_A4.yaml \
--bag  /home/lessle6/multicameras_calibration.bag \
--models pinhole-radtan pinhole-radtan pinhole-radtan \
--topics /infra_left /infra_right /color \
--bag-from-to 3 202 --show-extraction --approx-sync 0.04

参数解释:

  • –target /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/april_6x6_A4.yaml
    是标定板的配置文件,注意如果选择棋格盘,注意targetCols和targetRows表示的是内侧角点的数量,不是格子数量。

  • –bag /home/lessle6/multicameras_calibration.bag \ 是录制的数据包

  • models pinhole-radtan pinhole-radtan pinhole-radtan表示三个摄像头的相机模型和畸变模型(解释参考https://github.com/ethz-asl/kalibr/wiki/supported-models,根据需要选取,其中VINS使用的畸变模型是radtan)

  • —topics /infra_left /infra_right /color表示三个摄像头对应的拍摄的数据话题

  • –bag-from-to 3 202表示处理bag中3-202秒的数据。

  • –show-extraction表示显示检测特征点的过程,这些参数可以相应的调整。
    可以使用rosbag info 来参看录制的包的信息

报错1:
Cameras are not connected through mutual observations, please check the dataset. Maybe adjust the approx. sync. tolerance.
应该是两个相机时间不同步导致的,需要调整参数:–approx-sync

参考链接:https://github.com/shanmo/Kalibr-camera-calibration/tree/master/stereo%20camera%20calibration/preliminary%20test

调整后:

rosrun kalibr kalibr_calibrate_cameras \
--target /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/april_6x6_A4.yaml \
--bag /home/lessle6/multicameras_calibration.bag \
--models pinhole-radtan pinhole-radtan pinhole-radtan \
--topics /infra_left /infra_right /color \
--bag-from-to 3 202 --show-extraction --approx-sync 0.1

报错2:
Initialization of focal length failed. You can enable manual input by setting ‘KALIBR_MANUAL_FOCAL_LENGTH_INIT’.
[ERROR] [1668944382.174500]: initialization of focal length for cam with topic /color failed

解决:
如果提示不能得到初始焦距的时候,可以设置:export KALIBR_MANUAL_FOCAL_LENGTH_INIT=1(终端输入)。然后运行程序,当程序运行失败的时候,它会提示要你手动输入一个焦距,Initialization of focal length failed. Provide manual initialization: 这时你手动输入比如 400,给比较大的值,也能收敛。

如果只标定单目:
录制

 rosbag record -O mono_calibration /infra_left 

标定:


source /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/devel/setup.bash

cd  /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace

rosrun kalibr kalibr_calibrate_cameras \
--target /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/april_6x6_A4.yaml \
--bag  /home/lessle6/mono_calibration.bag \
--models pinhole-radtan \
--topics /infra_left \
--show-extraction 

注意: \前要有空格

4. kalibr 标定结果

如下三个文件:
Realsence D455标定并运行Vins-Fusion

二、IMU标定

1. 标定工具准备

code_utils和imu_utils都是imu标定需要用到的,用于标定imu噪声密度以及随机游走系数。
imu_utils依赖code_utils,所以先编译code_utils。
1.1 code_utils
mkdir -p /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src
cd /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src
catkin_init_workspace
cd ..
catkin_make
source  /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/devel/setup.bash
注意“/home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws”是我的绝对ROS空间地址。

下面下载编译code_utils:
cd /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src
git clone git@github.com:gaowenliang/code_utils.git
cd ..
catkin_make
问题1 catkin_make时出现libdw.h没有找到
sudo apt-get install libdw-dev
问题2 catkin_make时出现backward.hpp没有找到
解决方法:将sumpixel_test.cpp中# include "backward.hpp"改为:#include “code_utils/backward.hpp
1.2 imu_utils
cd  /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src
git clone git@github.com:gaowenliang/imu_utils.git
cd ..
catkin_make

2. 录制数据准备

2.1 编辑IMU的话题
方式:
找到realsense-ros包,进入
/home/lessle6/Packages/RealsenseRos_ws/src/realsense-ros/realsense2_camera/launch(路径仅供参考),
复制一份rs_camera.launch,在rs_camera.launch里面修改:
<arg name="unite_imu_method"          default=""/>

修改为:

<arg name="unite_imu_method"          default="linear_interpolation"/>
原因:
将accel和gyro的数据合并得到imu话题,如果不这样做发布的topic中只要加速计和陀螺仪分开的topic,
没有合并的camera/imu topic。
最后运行:
source /home/lessle6/Packages/RealsenseRos_ws/devel/setup.bash
roslaunch /home/lessle6/Packages/RealsenseRos_ws/src/realsense-ros/realsense2_camera/launch/rs_camera.launch

这样就可以播放对应格式的IMU。

2.2 录制数据
rosbag record -O imu_calibration /camera/imu

Realsence D455标定并运行Vins-Fusionrealsense静止放置,录制一个小时(自定)。
其中imu_calibration是bag包的名字,可以更改,录的包在当前终端目录下,/camera/imu是发布的IMU topic,可以通过以下命令查看。

rostopic list

3. 正式标定工作

3.1 imu_util 工具包launch文件编写
# 进入文件夹
cd /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src/imu_utils/launch 

# 创建文件
touch d455_imu_calibration.launch

# 编辑文件
gedit d455_imu_calibration.launch

文件内容:

<launch>

    <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
    	<!--TOPIC名称和上面一致-->
        <param name="imu_topic" type="string" value= "/camera/imu"/>
        <!--imu_name 无所谓-->
        <param name="imu_name" type="string" value= "d455"/>
        <!--标定结果存放路径-->
        <param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/>
        <!--数据录制时间-min-->
        <param name="max_time_min" type="int" value= "50"/>
        <!--采样频率,即是IMU频率,采样频率可以使用rostopic hz /camera/imu查看,设置为200,为后面的rosbag play播放频率-->
        <param name="max_cluster" type="int" value= "200"/>
    </node>
    
</launch>

3.2 imu_util标定程序运行
source /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/devel/setup.bash

roslaunch  /home/lessle6/Project/1Ahahahgraduation/IMU/imu_calib_ws/src/imu_utils/launch/d455_imu_calibration.launch
3.3 播放刚才录制的IMU数据包
cd 存放imu_calibration.bag的路径
rosbag play -r 200 imu_calibration.bag
3.4 标定结果

标定结束后在imu_catkin_ws/src/imu_utils/data中生成许多文件,其中d455_imu_param.yaml就是我们想要的结果,展示如下:

%YAML:1.0
---
type: IMU
name: d455
Gyr:
   unit: " rad/s"
   avg-axis:
      gyr_n: 1.8351398172861977e-03
      gyr_w: 1.3154828587252936e-05
   x-axis:
      gyr_n: 1.8848941703928685e-03
      gyr_w: 1.7010312342829289e-05
   y-axis:
      gyr_n: 2.3497663951613673e-03
      gyr_w: 1.2699656085618862e-05
   z-axis:
      gyr_n: 1.2707588863043573e-03
      gyr_w: 9.7545173333106557e-06
Acc:
   unit: " m/s^2"
   avg-axis:
      acc_n: 1.7574789006499388e-02
      acc_w: 5.3103238396236881e-04
   x-axis:
      acc_n: 1.1838936933010856e-02
      acc_w: 4.1400494167342325e-04
   y-axis:
      acc_n: 1.9827984613668935e-02
      acc_w: 6.3400755296148608e-04
   z-axis:
      acc_n: 2.1057445472818376e-02
      acc_w: 5.4508465725219715e-04

三、IMU+双目相机标定

1. 准备yaml文件

格式参考Kalibr官方教程: https://github.com/ethz-asl/kalibr/wiki/yaml-formats

1.1 编写chain.yaml

参考一、双目相机标定标定结果multicameras_calibration-camchain.yaml,编写chain.yaml:

cam0:
  camera_model: pinhole
  distortion_coeffs: [0.007017020579074508, 0.013075992589794715, -0.0037765402744058983, -0.0005132729806830811]
  distortion_model: radtan
  intrinsics: [437.44398421645786, 437.72233141976125, 430.95314113824475, 231.60352693067642]
  resolution: [848, 480]
  rostopic: /infra_left
cam1:
  T_cn_cnm1:
  - [0.9999952197233123, 0.002108064461866742, -0.0022619891120047486, -0.09575399583929174]
  - [-0.0021145367376279966, 0.9999936666664111, -0.002862754171397105, 0.0005322182496990349]
  - [0.0022559399157413514, 0.002867523545717535, 0.9999933439997514, -0.0035089144049743597]
  - [0.0, 0.0, 0.0, 1.0]
  camera_model: pinhole
  distortion_coeffs: [0.018914793505132418, -0.0026985776594766744, -0.0025567868843695152, 0.00645205341789554]
  distortion_model: radtan
  intrinsics: [432.2163360247922, 431.7881804665646, 433.3636493084969, 232.14028787830168]
  resolution: [848, 480]
  rostopic: /infra_right

T_cn_cnm1:表示的是左目相机到右目相机的旋转和平移,具体的参数可以参考前面标定得到的结果

1.2 编写imu.yaml

参考二、IMU标定标定结果d455_imu_param.yaml,编写imu.yaml:

#Accelerometers
accelerometer_noise_density: 1.7574789006499388e-02  #Noise density (continuous-time)
accelerometer_random_walk:   5.3103238396236881e-04  #Bias random walk

#Gyroscopes
gyroscope_noise_density:     1.8351398172861977e-03   #Noise density (continuous-time)
gyroscope_random_walk:       1.3154828587252936e-05  #Bias random walk

rostopic:                    /imu      #the IMU ROS topic
update_rate:                 200.0      #Hz (for discretization of the values above)

1.3 april_6x6_A4.yaml

第一节写过的:

target_type: 'aprilgrid' #gridtype
tagCols: 6               #number of apriltags
tagRows: 6               #number of apriltags
tagSize: 0.021           #size of apriltag, edge to edge [m]
tagSpacing: 0.3          # 小格子与大格子边长比例
codeOffset: 0            #code offset for the first tag in the aprilboard
1.4 rs_camera.launch

复制realsense-ros包中rs_camera.launch,更改内容为:
(1) imu和双目数据时间对齐

<arg name="enable_sync"               default="true"/>

(2)合并加速计和陀螺仪的topic

2. 录制数据

2.1 关闭结构光

首先关闭IR:
默认开始IR结构光时,双目图像会有很多点,这些点可能对标定有影响,所以使用时需要关闭结构光。
终端1:

source /home/lessle6/Packages/RealsenseRos_ws/devel/setup.bash
roslaunch /home/lessle6/Packages/RealsenseRos_ws/src/realsense-ros/realsense2_camera/launch/rs_camera.launch

再打开一个终端2:

rosrun rqt_reconfigure rqt_reconfigure

打开后将camera->stereo_module中的emitter_enabled设置为off(0) 。

2.2 可视化双目图像

新打开终端,运行rviz

rviz

修改Fiexd Fram 为camera_link
Realsence D455标定并运行Vins-Fusion

之后在里面add rgb和双目对应的topic,/camera/color/image_raw、/camera/infra1/image_rect_raw、/camera/infra2/image_rect_raw展示如下:
Realsence D455标定并运行Vins-Fusion录制过程参考https://www.youtube.com/watch?v=puNXsnrYWTY&app=desktop,同样注意双目图像在整个过程要包含整个标定板,同时运动不能太快,这样会造成图像过于模糊,在前后左右上下方向来回移动,录制大概90s以上。

2.3 修改相机播包帧数

调整imu和双目topic的发布频率以及以新的topic名发布它们,其中双目图像的发布频率改为20Hz(注意这里是20了,刚才双目标定是4hz),imu发布频率改为200Hz
Realsence D455标定并运行Vins-Fusion

rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 20.0 /infra_left
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20.0 /infra_right
rosrun topic_tools throttle messages /camera/imu 200.0 /imu
2.4 录制数据
rosbag record -O imu_stereo.bag /infra_left /infra_right /imu

imu_stereo.bag为录制数据

3. kalibr 程序标定

source /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/devel/setup.bash

cd  /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace

rosrun kalibr kalibr_calibrate_imu_camera \
--bag  /home/lessle6/imu_stereo.bag \
--cam /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/chain.yaml \
--imu /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/imu.yaml \
--target /home/lessle6/Project/1Ahahahgraduation/Calib/kalibr_workspace/data/april_6x6_A4.yaml \
--bag-from-to 2 146 \
--show-extraction

4. 标定结果

Realsence D455标定并运行Vins-Fusion

四、修改VINS的yaml文件

1. realsense_stereo_imu_config.yaml

%YAML:1.0

#common parameters
#support: 1 imu 1 cam; 1 imu 2 cam: 2 cam; 
imu: 1         
num_of_cam: 2  

imu_topic: "/camera/imu"
image0_topic: "/camera/infra1/image_rect_raw"
image1_topic: "/camera/infra2/image_rect_raw"
output_path: "/home/zj/output/"

cam0_calib: "left.yaml"
cam1_calib: "right.yaml"
image_width: 848
image_height: 480
   

# Extrinsic parameter between IMU and Camera.
estimate_extrinsic: 1   # 0  Have an accurate extrinsic parameters. We will trust the following imu^R_cam, imu^T_cam, don't change it.
                        # 1  Have an initial guess about extrinsic parameters. We will optimize around your initial guess.
#相机到imu的变换矩阵
body_T_cam0: !!opencv-matrix
   rows: 4
   cols: 4
   dt: d
   data: [ 0.99981999,  0.00163688 , 0.0189025 , -0.00089318,
 -0.00146025 , 0.99995518 ,-0.00935466  ,0.00021664,
 -0.01891696,  0.00932537 , 0.99977757  ,0.00065183,
  0.        ,  0.      ,    0.     ,     1.         ]


body_T_cam1: !!opencv-matrix
   rows: 4
   cols: 4
   dt: d
   data: [0.99977591, -0.0005314 ,  0.0211626,   0.0949139 ,
 0.00066889 , 0.99997871, -0.00649049, -0.00027429,
 -0.0211587 ,  0.00650319 , 0.99975498 , 0.0021304 ,
 0.   ,       0.       ,   0.      ,    1.    ]


#Multiple thread support
multiple_thread: 1

#feature traker paprameters
max_cnt: 150            # max feature number in feature tracking
min_dist: 30            # min distance between two features 
freq: 10                # frequence (Hz) of publish tracking result. At least 10Hz for good estimation. If set 0, the frequence will be same as raw image 
F_threshold: 1.0        # ransac threshold (pixel)
show_track: 0           # publish tracking image as topic
flow_back: 1            # perform forward and backward optical flow to improve feature tracking accuracy

#optimization parameters
max_solver_time: 0.04  # max solver itration time (ms), to guarantee real time
max_num_iterations: 8   # max solver itrations, to guarantee real time
keyframe_parallax: 10.0 # keyframe selection threshold (pixel)

#imu parameters       The more accurate parameters you provide, the better performance
acc_n: 1.7574789006499388e-02        # accelerometer measurement noise standard deviation. #0.2   0.04
gyr_n: 1.8351398172861977e-03      # gyroscope measurement noise standard deviation.     #0.05  0.004
acc_w: 5.3103238396236881e-04      # accelerometer bias random work noise standard deviation.  #0.002
gyr_w: 1.3154828587252936e-05    # gyroscope bias random work noise standard deviation.     #4.0e-5
g_norm: 9.78921469         # gravity magnitude

#unsynchronization parameters
estimate_td: 1                      # online estimate time offset between camera and imu
td:0           # initial value of time offset. unit: s. readed image clock + td = real image clock (IMU clock)

#loop closure parameters
load_previous_pose_graph: 0        # load and reuse previous pose graph; load from 'pose_graph_save_path'
pose_graph_save_path: "/home/zj/output/pose_graph/" # save and load path
save_image: 0                   # save image in pose graph for visualization prupose; you can close this function by setting 0 

2 left.yaml

%YAML:1.0
---
model_type: PINHOLE
camera_name: camera
image_width: 848
image_height: 480
distortion_parameters:
   k1: 0.007017020579074508
   k2: 0.013075992589794715
   p1: -0.0037765402744058983
   p2: -0.0005132729806830811
projection_parameters:
   fx: 437.44398421645786
   fy: 437.72233141976125
   cx: 430.95314113824475
   cy: 231.60352693067642

3 right.yaml

%YAML:1.0
---
model_type: PINHOLE
camera_name: camera
image_width: 848
image_height: 480
distortion_parameters:
   k1: 0.018914793505132418
   k2: -0.0026985776594766744
   p1: -0.0025567868843695152
   p2: 0.00645205341789554
projection_parameters:
   fx: 432.2163360247922
   fy: 431.7881804665646
   cx: 433.3636493084969
   cy: 232.14028787830168

五、 运行VINS-FUSION

启动vins

source /home/lessle6/Project/Vins-Fusion-ws/devel/setup.bash

rosrun loop_fusion loop_fusion_node /home/lessle6/Project/Vins-Fusion-ws/src/VINS-Fusion/config/realsense-d455/realsense_stereo_imu_config.yaml
rosrun vins vins_node /home/lessle6/Project/Vins-Fusion-ws/src/VINS-Fusion/config/realsense-d455/realsense_stereo_imu_config.yaml

启动rviz

source /home/lessle6/Project/Vins-Fusion-ws/devel/setup.bash
cd  /home/lessle6/Project/Vins-Fusion-ws
roslaunch vins vins_rviz.launch

启动相机

source /home/lessle6/Packages/RealsenseRos_ws/devel/setup.bash
roslaunch /home/lessle6/Packages/RealsenseRos_ws/src/realsense-ros/realsense2_camera/launch/rs_camera.launch

参考

https://blog.csdn.net/xiaoxiaoyikesu/article/details/105646064

https://blog.csdn.net/qq_40186909/article/details/113104595?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166312286216782391821994%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166312286216782391821994&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~pc_rank_v39-2-113104595-null-null.142%5Ev47%5Epc_rank_34_2,201%5Ev3%5Econtrol_2&utm_term=realsense%20%E7%9A%84%20D%20%E7%9F%A9%E9%98%B5&spm=1018.2226.3001.4187文章来源地址https://www.toymoban.com/news/detail-476972.html

到了这里,关于Realsence D455标定并运行Vins-Fusion的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Intel RealSense D455(D400系列) Linux-ROS 安装配置(亲测可用)

    硬件:Intel RealSense D455 系统:Ubuntu 18.04  或者 这里\\\"catkin_ws\\\"可以改成自己想要的空间名。 可能遇到的问题1: 在catkin_make clean如果报错提示没有ddynamic_reconfigure,执行(注意自己的 ROS版本 ,修改“melodic”成\\\"kinect\\\"或\\\"neotic\\\"): 可能遇到的问题2:  错误提示说明你缺少Intel RealSe

    2024年02月15日
    浏览(28)
  • 项目设计:YOLOv5目标检测+机构光相机(intel d455和d435i)测距

    1.1  Intel D455 Intel D455 是一款基于结构光(Structured Light)技术的深度相机。 与ToF相机不同,结构光相机使用另一种方法来获取物体的深度信息。它通过投射可视光谱中的红外结构光图案,然后从被拍摄物体表面反射回来的图案重建出其三维形状和深度信息。 Intel D455 深度相机

    2024年02月08日
    浏览(34)
  • Realsense D455/435内参标定以及手眼标定

    内参数 与相机自身特性有关的参数,焦距,像素大小 外参数, 相机的位置,旋转方向 理想情况下,镜头会将一个三维空间中的直线也映射成直线(即射影变换),但实际上,镜头无法这么完美,通过镜头映射之后,直线会变弯,所以需要相机的畸变参数来描述这种变形效果

    2024年01月17日
    浏览(28)
  • VINS学习03——使用Realense_D435i运行Vins_Fusion

    上一篇跑了一下VINS_Fusion自带的demo,用的是几个常用的开源数据集,这篇文章主要是将VINS_Fusion用在自己的实验室设备上,在进行前期参数标定、config文件修改、精度验证过程中对算法有更深次理解,也方便后期开展 代码阅读 。 realsense_d435i是一个很常用的相机,主要包含话

    2024年02月11日
    浏览(22)
  • Ubuntu20.04——一篇文章让你从零配置VINS_Mono环境以及运行(2023年最新)

    注:文末包含该文章涉及的所有安装包的网盘链接 零、换源(也可以先不换,后面觉得下载慢再换也行) 1、备份原来的源 2、打开源保存文件 3、换源(换其中一个就行,也可以去搜别的源) 4、更新源 一、安装git(克隆源代码)、gedit(编辑文本)、cmake、gcc、g++、build-e

    2024年02月04日
    浏览(28)
  • Ubuntu22.04源码安装ROS-noetic(ROS1非ROS2),编译运行VINS-MONO

    由于22.04默认安装ROS2,但很多仓库都是基于ROS1的,不想重装系统,参考这两个博客安装了ROS-noetic: 博客1. https://blog.csdn.net/Drknown/article/details/128701624 博客2. https://zhuanlan.zhihu.com/p/418227536 我的库版本(实测可行): eigen:3.3.7 ceres:1.14.0(用2.系列版本的编译时需要把C++版本设

    2024年02月02日
    浏览(38)
  • 使用ros从realsence相机中获取图像

    使用ros从相机中获取视频,并将视频拆分成每帧图像,将RGB图像和Depth图像分别保存在两个文件夹中。 代码如下(示例): 演示如下: 代码如下(示例): 演示如下: 打开界面如下图: 代码如下(示例): 演示如下: 说明: “/camera/color/image_raw” 是RGB图像的话题; “

    2024年02月01日
    浏览(64)
  • 经典文献阅读之--Dynamic-VINS(动态点滤除VINS)

    现在的SLAM算法在静态环境中表现良好,但在动态环境中很容易失败。最近的工作将基于深度学习的语义信息引入到SLAM系统以减轻动态对象的影响。然而,在资源受限的机器人的动态环境中应用鲁棒定位仍然具有挑战性。所以《RGB-D Inertial Odometry for a Resource-Restricted Robot in Dy

    2024年02月09日
    浏览(42)
  • Vins-Fusion代码跑通

    首先是Ubuntu2004 电脑里面有opencv3和opencv4共存, 现象:编译的时候ros指向opencv4版本之间的不兼容导致 源码安装vins-mono算法问题整理(ROS Melodic + opencv 4.1.1) - 创客智造/爱折腾智能机器人社区 测试环境 :Jetson Xavier NX+ Jetpack4.4 + Ubuntu 1804 + ROS Melodic + opencv 4.1.1   问题一  编译时

    2024年02月06日
    浏览(32)
  • 455. 分发饼干 - 力扣(LeetCode)

    假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。 对每个孩子 i,都有一个胃口值 g[i],这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j,都有一个尺寸 s[j] 。如果 s[j] = g[i],我们可以将这个饼干 j 分配给孩子 i ,这

    2024年01月25日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包