一、IMU 标定
使用 imu_utils 功能包标定 IMU，由于imu_utils功能包的编译依赖于code_utils，需要先编译code_utils，主要参考
相机与IMU联合标定_熊猫飞天的博客-CSDN博客
Ubuntu20.04编译并运行imu_utils，并且标定IMU_学无止境的小龟的博客-CSDN博客
1.1 编译 code_utils
创建工作空间
mkdir -p ~/catkin_ws/src/imu_calib/src/
cd ~/catkin_ws/src/imu_calib/src
git clone https://github.com/gaowenliang/code_utils.git1.1.1 修改 CMakeLists.txt 文件
修改 set(CMAKE_CXX_FLAGS "-std=c++11") 为 set(CMAKE_CXX_FLAGS "-std=c++14")
修改 #include "backward.hpp" 为 include “code_utils/backward.hpp”
如果安装的是 OpenCV 4.x.x 则需要修改一些全局变量的名称，终端输入
cd ~/catkin_ws/src/imu_calib/src/code_utils/
sed -i 's/CV_LOAD_IMAGE_UNCHANGED/cv::IMREAD_UNCHANGED/g' `grep CV_LOAD_IMAGE_UNCHANGED -rl ./`
sed -i 's/CV_LOAD_IMAGE_GRAYSCALE/cv::IMREAD_GRAYSCALE/g' `grep CV_LOAD_IMAGE_GRAYSCALE -rl ./`
sed -i 's/CV_MINMAX/cv::NORM_MINMAX/g' `grep CV_MINMAX -rl ./`安装依赖
sudo apt-get install libdw-dev编译 code_utils
mkdir -p ~/catkin_ws/src/imu_calib/
catkin_make1.2 编译 imu_utils
mkdir -p ~/catkin_ws/src/imu_calib/src/
cd ~/catkin_ws/src/imu_calib/src
git clone https://github.com/gaowenliang/imu_utils.git修改 CMakeLists.txt 文件
修改 set(CMAKE_CXX_FLAGS "-std=c++11") 为 set(CMAKE_CXX_FLAGS "-std=c++14")
修改 imu_an.cpp 文件
添加头文件：#include <fstream>
编译 imu_utils
mkdir -p ~/catkin_ws/src/imu_calib/
catkin_make1.3 录制 imu 数据集
创建录制的数据保存路径
mkdir ~/catkin_ws/src/imu_calib/bag/
cd imu_calib/bag/启动相应的设备开始发布 imu 数据，d435i 相机可以启用 realsense-ros 发布相机 imu 数据
roslaunch realsense2_camera rs_camera.launch静止情况下采集IMU的数据，并录制为ROS包，采集的时间 2小时 左右
rosbag record /camera/imu -O ~/catkin_ws/src/imu_calib/bag/imu.bag在 ~/imu_calib/src/imu_utils/launch 路径下创建如下 d435i.launch 文件
<launch>
<node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
<!--订阅的imu话题-->
<param name="imu_topic" type="string" value= "/camera/imu"/>
<!--标定结果的名称-->
<param name="imu_name" type="string" value= "d435i"/>
<!--标定结果存放路径-->
<param name="data_save_path" type="string" value= "$(find imu_utils)/../../bag/d435i/"/>
<!--数据录制时间-min 120分钟 可以自行修改 一般要大于60-->
<param name="max_time_min" type="int" value= "120"/>
<!--imu采样频率，设置为400-->
<param name="max_cluster" type="int" value= "400"/>
</node>
</launch>在 imu 数据采集完毕后（录制时间两小时左右），启动上述 launch 文件标定 imu 内参
roslaunch imu_utils d435i.launch
rosbag play -r 200 ~/catkin_ws/src/imu_calib/bag/imu.bag数据包播放结束之后，在 ~/catkin_ws/src/imu_calib/bag/ 这个文件夹下会出现一系列的参数文件，
打开 d435i_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
至此，IMU的内参标定和记录结束。
二、相机标定
2.1 编译 kalibr
使用 kalibr 功能包标定相机，编译 kalibr，主要参考
https://github.com/ethz-asl/kalibr/wiki/installation
创建工作空间并下载源码
mkdir -p ~/catkin_ws/src/kalibr/src/ && cd ~/catkin_ws/src/kalibr/src/
git clone https://github.com/ethz-asl/kalibr.git编译 kalibr
cd ~/catkin_ws/src/kalibr/ && catkin build -DCMAKE_BUILD_TYPE=Release -j42.2 制作标定板
终端输入
source ~/catkin_ws/src/kalibr/devel/setup.bash
cd ~/catkin_ws/src/kalibr/bag/stereo/
rosrun kalibr kalibr_create_target_pdf --type apriltag --nx 6 --ny 6 --tsize 0.022 --tspace 0.3不论是打印PDF标定还是直接在电脑里面打开PDF标定，都要实际测量一下二维码方格和小方格的的长度，再填到yaml文件里面，
--type apriltag 标定板类型
--nx [NUM_COLS] 列个数
--ny [NUM_ROWS] 行个数
--tsize [TAG_WIDTH_M] 二维码方格长度，单位m
--tspace [TAG_SPACING_PERCENT] 小方格与二维码方格长度比例
新建 april_6x6_A4.yaml 文件，格式参考上面的yaml，内容展示如下：
target_type: 'aprilgrid' #gridtype
tagCols: 6 #number of apriltags
tagRows: 6 #number of apriltags
tagSize: 0.0318 #size of apriltag, edge to edge [m] 要亲自拿尺子量一下
tagSpacing: 0.305 #ratio of space between tags to tagSize千万要自己量一下 tagSize！！！
2.3 录制数据集
启动相应的设备开始发布 相机 数据，d435i 相机可以启用 realsense-ros 发布相机 imu 数据
roslaunch realsense2_camera rs_camera.launchkalibr 在处理标定数据的时候要求频率不能太高，官方推荐是4Hz（尽管实际频率不完全准确，但是不影响结果），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， infra1 对应左目相机。
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创建数据保存路径，并录制双目图像数据
mkdir -p ~/kalibr/bag/stereo/
rosbag record /infra_left /infra_right -O ~/catkin_ws/src/kalibr/bag/stereo/stereo.bag录制操作参考
Kalibr相机及IMU校准教程(Tutorial: IMU-camera calibration)_哔哩哔哩_bilibili
总结下来就是偏航角左右摆动2次，俯仰角摆动2次，滚转角摆动2次，上下移动2次，左右移动2次，前后移动2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2个相机视野内部，整个标定时间要在90s以上更好，但是优化时间会比较长。
2.4 标定
录制完成后使用 kalibr 标定
rosrun kalibr kalibr_calibrate_cameras \
--target /home/lilabws001/catkin_ws/src/kalibr/bag/d435i/stereo/april_6x6_A4.yaml \
--bag /home/lilabws001/catkin_ws/src/kalibr/bag/d435i/stereo/stereo.bag \
--models pinhole-radtan pinhole-radtan \
--topics /infra_left /infra_right \
--bag-from-to 10 130 --show-extraction --approx-sync 0.1参数解释
- --targt 标定板的配置文件路径
- --bag 采集的数据包的路径
- --models 每个相机的模型
- --topics 每个相机发布的话题，需要与前面的相机模型对应
- --bag-from-to 处理bag中指定时间段的数据
- --show-extraction 表示显示检测特征点的过程
报错1：
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: 这时手动输入比如 400,给比较大的值，也能收敛。
参考：Realsence D455标定并运行Vins-Fusion_realsense 自动标定_呼叫江江的博客-CSDN博客
报错2：
Cameras are not connected through mutual observations, please check the dataset. Maybe adjust the approx. sync. tolerance.
解决：
应该是两个相机时间不同步导致的，需要调整参数：
--approx-sync 0.04
报错3：
File "/home/lilabws001/catkin_ws/src/kalibr/src/kalibr/aslam_offline_calibration/kalibr/python/kalibr_camera_calibration/CameraUtils.py", line 123, in getReprojectionErrorStatistics
mean = np.mean(rerr_matrix, 0, dtype=np.float)
File "/home/lilabws001/.local/lib/python3.8/site-packages/numpy/__init__.py", line 305, in __getattr__
raise AttributeError(__former_attrs__[attr])
AttributeError: module 'numpy' has no attribute 'float'.
`np.float` was a deprecated alias for the builtin `float`. To avoid this error in existing code, use `float` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.float64` here.
解决：
修改 kalibr/aslam_offline_calibration/kalibr/python/kalibr_camera_calibrationCameraUtils.py 文件 line 123 和 line 124
mean = np.mean(rerr_matrix, 0, dtype=np.float64)
std = np.std(rerr_matrix, 0, dtype=np.float64)然后重新标定，标定完成后会输出标定结果。
三、相机 和 IMU 联合标定
新建文件夹
mkdir -p ~/catkin_ws/src/kalibr/bag/stereo_imu/3.1 建立标定所需的配置文件
首先将前面用于标定的标定板的配置文件 april_6x6_A4.yaml 复制到当前目录下，文件内容
target_type: 'aprilgrid' #gridtype
tagCols: 6 #number of apriltags
tagRows: 6 #number of apriltags
tagSize: 0.0318 #size of apriltag, edge to edge [m] 要亲自拿尺子量一下
tagSpacing: 0.305 #ratio of space between tags to tagSize然后利用前面两节标定出来的相机和 imu 数据分别创建用于联合标定的两个 yaml 文件
第一个是 imu 标定文件，命名为 imu.yaml，放在 ~/kalibr/bag/stereo_imu/ 目录下
#Accelerometers
accelerometer_noise_density: 2.3726567696372197e-02 #Noise density (continuous-time)
accelerometer_random_walk: 3.4998014052324268e-04 #Bias random walk
#Gyroscopes
gyroscope_noise_density: 2.9170092608699020e-03 #Noise density (continuous-time)
gyroscope_random_walk: 2.0293647966050773e-05 #Bias random walk
rostopic: /imu #the IMU ROS topic
update_rate: 200.0 #Hz (for discretization of the values above)第二个是 相机 标定文件，命名为 stereo.yaml，放在 ~/kalibr/bag/stereo_imu/ 目录下
cam0:
camera_model: pinhole
distortion_coeffs: [0.008164119133114047, -0.004262736896205682, 0.00018631722833154752, 0.000787900754729365]
distortion_model: radtan
intrinsics: [382.6730910374852, 382.92071041253627, 322.75543963112193, 236.70194625219574]
resolution: [640, 480]
rostopic: /infra_left
cam1:
T_cn_cnm1:
- [0.999998451671115, 2.8757914694169446e-05, 0.0017594966182482613, -0.050366075624740984]
- [-2.9002408639730846e-05, 0.9999999899284603, 0.00013893140083111915, 6.282865148510808e-05]
- [-0.0017594926051500526, -0.00013898221535954127, 0.9999984424336424, -4.991600269348002e-05]
- [0.0, 0.0, 0.0, 1.0]
camera_model: pinhole
distortion_coeffs: [0.008643399298017006, -0.0051253525048807844, -0.00019751500921053345, 0.00044002401613992687]
distortion_model: radtan
intrinsics: [382.64357095584296, 382.86804296348265, 322.37239440429965, 236.64851650860956]
resolution: [640, 480]
rostopic: /infra_right这两个文件的具体数据需要于前两节的标定结果相对应。
3.2 录制 相机 和 imu 的联合数据
调整 相机 和 imu 的 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，imu发布频率改为200Hz
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
rosrun topic_tools throttle messages /camera/imu 200.0 /imu然后录制数据
rosbag record /infra_left /infra_right /imu -O ~/catkin_ws/src/kalibr/bag/stereo_imu/stereo_imu.bag录制操作与第二节相同，参考
Kalibr相机及IMU校准教程(Tutorial: IMU-camera calibration)_哔哩哔哩_bilibili
总结下来就是偏航角左右摆动2次，俯仰角摆动2次，滚转角摆动2次，上下移动2次，左右移动2次，前后移动2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2个相机视野内部，整个标定时间要在90s以上更好，但是优化时间会比较长。
3.3 联合标定 相机 和 imu
录制完成后，终端输入
rosrun kalibr kalibr_calibrate_imu_camera \
--target /home/lilabws001/catkin_ws/src/kalibr/bag/stereo_imu/april_6x6_A4.yaml \
--bag /home/lilabws001/catkin_ws/src/kalibr/bag/stereo_imu/stereo_imu.bag \
--cam /home/lilabws001/catkin_ws/src/kalibr/bag/stereo_imu/stereo.yaml \
--imu /home/lilabws001/catkin_ws/src/kalibr/bag/stereo_imu/imu.yaml \
--bag-from-to 10 50 --show-extraction参数解释
- --targt 标定板的配置文件路径
- --bag 采集的数据包的路径
- --cam 标定好的相机的参数文件
- --imu 标定好的 imu 的参数文件
- --bag-from-to 处理bag中指定时间段的数据（时间太长要等很久而且结果可能退化）
- --show-extraction 表示显示检测特征点的过程
报错：
File "/usr/lib/python3/dist-packages/scipy/sparse/sputils.py", line 16, in <module>
supported_dtypes = [np.typeDict[x] for x in supported_dtypes]
File "/usr/lib/python3/dist-packages/scipy/sparse/sputils.py", line 16, in <listcomp>
supported_dtypes = [np.typeDict[x] for x in supported_dtypes]
File "/home/lilabws001/.local/lib/python3.8/site-packages/numpy/__init__.py", line 320, in __getattr__
raise AttributeError("module {!r} has no attribute "
AttributeError: module 'numpy' has no attribute 'typeDict'
解决：
numpy 版本过高，安装较低版本的 numpy
pip3 install numpy==1.21重新标定即可。
如果选的时间太长要等很久，因为结果可能退化
多等一会即可，输出标定结果。
文章来源：https://www.toymoban.com/news/detail-704200.html
其中 stereo_imu-results-imucam.txt 内容为标定结果文章来源地址https://www.toymoban.com/news/detail-704200.html
Calibration results
===================
Normalized Residuals
----------------------------
Reprojection error (cam0): mean 0.1104504565760671, median 0.10931046996879386, std: 0.04566466456955288
Reprojection error (cam1): mean 0.10568403044796316, median 0.10371974631938084, std: 0.04481417386193855
Gyroscope error (imu0): mean 0.0013850311184222608, median 2.5661565262693863e-06, std: 0.009802423645836557
Accelerometer error (imu0): mean 0.001268643166366196, median 4.695420807691451e-07, std: 0.00974036762203694
Residuals
----------------------------
Reprojection error (cam0) [px]: mean 0.1104504565760671, median 0.10931046996879386, std: 0.04566466456955288
Reprojection error (cam1) [px]: mean 0.10568403044796316, median 0.10371974631938084, std: 0.04481417386193855
Gyroscope error (imu0) [rad/s]: mean 5.713632942751922e-05, median 1.058609894733102e-07, std: 0.00040437683974539325
Accelerometer error (imu0) [m/s^2]: mean 0.0004256860317308491, median 1.5755218677114464e-07, std: 0.0032683252080259934
Transformation (cam0):
-----------------------
T_ci: (imu0 to cam0):
[[ 0.99991885 -0.00448156 -0.01192529 -0.00263335]
[ 0.00454447 0.99997587 0.00525384 -0.00174852]
[ 0.01190145 -0.00530761 0.99991509 -0.00021396]
[ 0. 0. 0. 1. ]]
T_ic: (cam0 to imu0):
[[ 0.99991885 0.00454447 0.01190145 0.00264362]
[-0.00448156 0.99997587 -0.00530761 0.00173554]
[-0.01192529 0.00525384 0.99991509 0.00019172]
[ 0. 0. 0. 1. ]]
timeshift cam0 to imu0: [s] (t_imu = t_cam + shift)
0.002278866295546706
Transformation (cam1):
-----------------------
T_ci: (imu0 to cam1):
[[ 0.99992565 -0.0044584 -0.01134993 -0.05300071]
[ 0.00452389 0.99997323 0.00575127 -0.00163601]
[ 0.01132399 -0.00580219 0.99991905 -0.00023653]
[ 0. 0. 0. 1. ]]
T_ic: (cam1 to imu0):
[[ 0.99992565 0.00452389 0.01132399 0.05300685]
[-0.0044584 0.99997323 -0.00580219 0.0013983 ]
[-0.01134993 0.00575127 0.99991905 -0.00035563]
[ 0. 0. 0. 1. ]]
timeshift cam1 to imu0: [s] (t_imu = t_cam + shift)
0.00246986588204672
Baselines:
----------
Baseline (cam0 to cam1):
[[ 0.99999983 0.00002622 0.00057526 -0.05036719]
[-0.0000265 0.99999988 0.00049716 0.00011254]
[-0.00057525 -0.00049718 0.99999971 -0.00002496]
[ 0. 0. 0. 1. ]]
baseline norm: 0.05036732476881377 [m]
Gravity vector in target coords: [m/s^2]
[-0.0908983 -9.80442883 0.18258076]
Calibration configuration
=========================
cam0
-----
Camera model: pinhole
Focal length: [382.17500647201865, 382.4214301817554]
Principal point: [322.86349593743256, 236.54094094752824]
Distortion model: radtan
Distortion coefficients: [0.005773123668491621, -0.0040545501820581885, 0.00028207298182264084, 0.0008053010502294262]
Type: aprilgrid
Tags:
Rows: 6
Cols: 6
Size: 0.0318 [m]
Spacing 0.009699000000000001 [m]
cam1
-----
Camera model: pinhole
Focal length: [382.2362024108845, 382.43170351451005]
Principal point: [322.9638181263497, 236.36811655369087]
Distortion model: radtan
Distortion coefficients: [0.006243739765081835, -0.004482994321431694, -0.0003470496074590888, 0.0006688633081104086]
Type: aprilgrid
Tags:
Rows: 6
Cols: 6
Size: 0.0318 [m]
Spacing 0.009699000000000001 [m]
IMU configuration
=================
IMU0:
----------------------------
Model: calibrated
Update rate: 200.0
Accelerometer:
Noise density: 0.023726567696372197
Noise density (discrete): 0.3355443382477292
Random walk: 0.0003499801405232427
Gyroscope:
Noise density: 0.002917009260869902
Noise density (discrete): 0.04125274058290133
Random walk: 2.0293647966050773e-05
T_ib (imu0 to imu0)
[[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]
到了这里，关于d435i 相机和imu标定的文章就介绍完了。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！
