IMU标定实验

这篇具有很好参考价值的文章主要介绍了IMU标定实验。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。

5 IMU标定实验

5.1 仿真数据产生

参考代码

5.1.1 c++代码分析

IMU标定实验,IMU传感器,IMU标定

下面代码确实是高斯噪声连续到离散除以sqr(δt),偏差随机游走则是乘以sqr(δt)

void IMU::addIMUnoise(MotionData& data)
{
    std::random_device rd;
    std::default_random_engine generator_(rd());
    std::normal_distribution<double> noise(0.0, 1.0);   // 均值为0,标准差为1的正态分布

    // 将噪声添加到原始的陀螺仪数据
    Eigen::Vector3d noise_gyro(noise(generator_),noise(generator_),noise(generator_));
    Eigen::Matrix3d gyro_sqrt_cov = param_.gyro_noise_sigma * Eigen::Matrix3d::Identity();
    // w = w + cov(3*3)*noise_gyro(3*1)/sqrt(t) + bg
    data.imu_gyro = data.imu_gyro + gyro_sqrt_cov * noise_gyro / sqrt( param_.imu_timestep ) + gyro_bias_;

    Eigen::Vector3d noise_acc(noise(generator_),noise(generator_),noise(generator_));
    Eigen::Matrix3d acc_sqrt_cov = param_.acc_noise_sigma * Eigen::Matrix3d::Identity();
    data.imu_acc = data.imu_acc + acc_sqrt_cov * noise_acc / sqrt( param_.imu_timestep ) + acc_bias_;

    // gyro_bias update
    Eigen::Vector3d noise_gyro_bias(noise(generator_),noise(generator_),noise(generator_));
    gyro_bias_ += param_.gyro_bias_sigma * sqrt(param_.imu_timestep ) * noise_gyro_bias;
    data.imu_gyro_bias = gyro_bias_;

    // acc_bias update
    Eigen::Vector3d noise_acc_bias(noise(generator_),noise(generator_),noise(generator_));
    acc_bias_ += param_.acc_bias_sigma * sqrt(param_.imu_timestep ) * noise_acc_bias;
    data.imu_acc_bias = acc_bias_;

}

运动模型:利用p求出v,a;通过欧拉角的导数求出角速度w,根据时间变量t来产生数据。

MotionData IMU::MotionModel(double t)
{

    MotionData data;
    // param
    float ellipse_x = 15;
    float ellipse_y = 20;
    float z = 1;           // z轴做sin运动
    float K1 = 10;          // z轴的正弦频率是x,y的k1倍
    float K = M_PI/ 10;    // 20 * K = 2pi   由于我们采取的是时间是20s, 系数K控制yaw正好旋转一圈,运动一周

    // translation 
    // twb:  body frame in world frame
    // p v a
    Eigen::Vector3d position( ellipse_x * cos( K * t) + 5, ellipse_y * sin( K * t) + 5,  z * sin( K1 * K * t ) + 5);
    Eigen::Vector3d dp(- K * ellipse_x * sin(K*t),  K * ellipse_y * cos(K*t), z*K1*K * cos(K1 * K * t));              // position导数 in world frame
    double K2 = K*K;
    Eigen::Vector3d ddp( -K2 * ellipse_x * cos(K*t),  -K2 * ellipse_y * sin(K*t), -z*K1*K1*K2 * sin(K1 * K * t));     // position二阶导数

    // Rotation
    double k_roll = 0.1;
    double k_pitch = 0.2;
    Eigen::Vector3d eulerAngles(k_roll * cos(t) , k_pitch * sin(t) , K*t );   // roll ~ [-0.2, 0.2], pitch ~ [-0.3, 0.3], yaw ~ [0,2pi]
    Eigen::Vector3d eulerAnglesRates(-k_roll * sin(t) , k_pitch * cos(t) , K);      // euler angles 的导数

//    Eigen::Vector3d eulerAngles(0.0,0.0, K*t );   // roll ~ 0, pitch ~ 0, yaw ~ [0,2pi]
//    Eigen::Vector3d eulerAnglesRates(0.,0. , K);      // euler angles 的导数
    // 角速度是通过欧拉角求导来得到的?
    Eigen::Matrix3d Rwb = euler2Rotation(eulerAngles);         // body frame to world frame
    Eigen::Vector3d imu_gyro = eulerRates2bodyRates(eulerAngles) * eulerAnglesRates;   //  euler rates trans to body gyro

    Eigen::Vector3d gn (0,0,-9.81);                                   //  gravity in navigation frame(ENU)   ENU (0,0,-9.81)  NED(0,0,9,81)
    Eigen::Vector3d imu_acc = Rwb.transpose() * ( ddp -  gn );  //  Rbw * Rwn * gn = gs

    data.imu_gyro = imu_gyro;
    data.imu_acc = imu_acc;
    data.Rwb = Rwb;
    data.twb = position;
    data.imu_velocity = dp;
    data.timestamp = t;
    return data;

}

5.1.2 生成ros包数据

  GitHub同时提供了ros代码,我们直接用这套代码生成相应的imu.bag

// ros还是cpp代码种原始设置的标准差都是下面数据

	// noise----离散时间噪声标准差
    double gyro_bias_sigma = 1.0e-5;    // δbg rad/s
    double acc_bias_sigma = 0.0001;     // δba m/(s^2)

    double gyro_noise_sigma = 0.015;    // rad/s     δg
    double acc_noise_sigma = 0.019;      // m/(s^2)  δa

  这里先直接给出利用imu_utils进行的一个标定结果,对于高斯噪声,数量级一致,但对于偏置随机游走,数量级差了10~100!总而言之,这种标定方法对于高斯白噪声即角度/速度随机游走的标定结果是可信的,但是对于偏置还是没有那么可信!

%YAML:1.0
---
type: IMU
name: vio_test
Gyr:
   unit: " rad/s"
   avg-axis:
      gyr_n: 2.1017740504505478e-01	
      gyr_w: 1.1046695141140115e-03
   x-axis:
      gyr_n: 2.0373831670509726e-01
      gyr_w: 8.5917637284818333e-04
   y-axis:
      gyr_n: 2.0848823537157685e-01
      gyr_w: 1.1543541527689969e-03
   z-axis:
      gyr_n: 2.1830566305849022e-01
      gyr_w: 1.3004780167248545e-03
Acc:
   unit: " m/s^2"
   avg-axis:
      acc_n: 2.6608701268913315e-01
      acc_w: 5.0312842533421255e-03
   x-axis:
      acc_n: 2.6703857869563274e-01
      acc_w: 5.4894453768553463e-03
   y-axis:
      acc_n: 2.6561748859645246e-01
      acc_w: 5.1153714824778724e-03
   z-axis:
      acc_n: 2.6560497077531420e-01
      acc_w: 4.4890359006931569e-03

5.2 Allan方差实验(港科大imu_utils)

Github

5.2.1 安装

sudo apt-get install libdw-dev

报错1

  创建一个ROS空间,把两个ROS包放进去,然后catkin_make.如果这样做的话,大概率会报下面的错误。本质就是imu_utils依赖于code_utils这个包,但实际上我们之前没有按照那个包,就会报下面的错,其实可以在catkin_make之前显示的告诉它路径,或者就是先编译成功code_utils,再编译imu_utils

-- +++ processing catkin package: 'imu_utils'
-- ==> add_subdirectory(imu_utils)
-- Using these message generators: gencpp;geneus;genlisp;gennodejs;genpy
-- Could NOT find code_utils (missing: code_utils_DIR)
-- Could not find the required component 'code_utils'. The following CMake error indicates that you either need to install the package with the same name or change your environment so that it can be found.
CMake Error at /opt/ros/noetic/share/catkin/cmake/catkinConfig.cmake:83 (find_package):
  Could not find a package configuration file provided by "code_utils" with
  any of the following names:

    code_utilsConfig.cmake
    code_utils-config.cmake

  Add the installation prefix of "code_utils" to CMAKE_PREFIX_PATH or set
  "code_utils_DIR" to a directory containing one of the above files.  If
  "code_utils" provides a separate development package or SDK, be sure it has
  been installed.
Call Stack (most recent call first):
  imu_utils/CMakeLists.txt:13 (find_package)


-- Configuring incomplete, errors occurred!
See also "/home/pj/pj/vio_with_only_eigen/imu_allan/build/CMakeFiles/CMakeOutput.log".
See also "/home/pj/pj/vio_with_only_eigen/imu_allan/build/CMakeFiles/CMakeError.log".
Invoking "cmake" failed

  编译出现的报错code_utils

报错2

  报错显示没有那个头文件,查看之后发现是有的,说名再CMakeLists.txt中没有显示的引入头文件,我们只需要添加即可。或者把#include "backward.hpp"改成#include "code_utils/backward.hpp"

[ 30%] Building CXX object code_utils/CMakeFiles/sumpixel_test.dir/src/sumpixel_test.cpp.o
/home/pj/pj/vio_with_only_eigen/imu_allan/src/code_utils/src/sumpixel_test.cpp:2:10: fatal error: backward.hpp: No such file or directory
    2 | #include "backward.hpp"
      |          ^~~~~~~~~~~~~~
compilation terminated.
make[2]: *** [code_utils/CMakeFiles/sumpixel_test.dir/build.make:63: code_utils/CMakeFiles/sumpixel_test.dir/src/sumpixel_test.cpp.o] Error 1
make[1]: *** [CMakeFiles/Makefile2:480: code_utils/CMakeFiles/sumpixel_test.dir/all] Error 2
make[1]: *** Waiting for unfinished jobs....

include_directories(
    ${catkin_INCLUDE_DIRS}
    ${CMAKE_SOURCE_DIR}/code_utils/include/code_utils	# 添加这个,这样就能找到了
    ${EIGEN3_INCLUDE_DIR}
     )

报错3

  报错显示没找到glog.so动态库文件,但是这个环境前两天刚装的,所以必然不是这个问题

make[2]: *** No rule to make target '/usr/lib/x86_64-linux-gnu/libglog.so', needed by '/home/pj/pj/vio_with_only_eigen/imu_allan/devel/lib/libpnp.so'.  Stop.
make[2]: *** Waiting for unfinished jobs....
[ 92%] Building CXX object code_utils/CMakeFiles/pnp.dir/src/cv_utils/pnp/nonlinearpnp.cpp.o
make[1]: *** [CMakeFiles/Makefile2:804: code_utils/CMakeFiles/pnp.dir/all] Error 2
make: *** [Makefile:141: all] Error 2
Invoking "make -j2 -l2" failed

  locate下发现,库文件存在,但上面找的不是这个

pj@pj:~$ locate glog | grep so
...
/usr/lib/x86_64-linux-gnu/libglog.so.0
/usr/lib/x86_64-linux-gnu/libglog.so.0.0.0

  libglog.solibglog.so.0,所以我们把这两个软链接起来就能解决问题

sudo ln -s /usr/lib/x86_64-linux-gnu/libglog.so.0 /usr/lib/x86_64-linux-gnu/libglog.so

  然后编译imu_utils就没有报错了

5.2.2 运行

要么就是自己录个数据,至少2个小时以上

  • 播放rosbag数据
 rosbag play -r 200 imu_A3.bag
  • 启动对应得launch文件,注意修改!
roslaunch imu_utils A3.launch	# 换成自己的launch文件
<launch>
    <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
    
    <!--改成自己IMU的话题-->
    <param name="imu_topic" type="string" value= "/djiros/imu"/>
    
    <!--这个和最后保存的文件名有关,最后的文件名为A3_imu_param.yaml-->
    <param name="imu_name" type="string" value= "A3"/>
    
    <!--标定结果存放的文件目录-->
    <param name="data_save_path" type="string" value= "$(find imu_utils)/data_my/"/>
    
    <!--修改标定时间,单位是分钟,需要根据数据包的时长来调整-->
    <param name="max_time_min" type="int" value= "120"/>
    <param name="max_cluster" type="int" value= "100"/>
    </node>
</launch>
  • 结果

  会生成很多文件,最终计算结果再yaml文件中,可以利用脚本文件下的matlab函数去画出角速度和加速度的Allan曲线。

IMU标定实验,IMU传感器,IMU标定

type: IMU
name: A3
Gyr:
   unit: " rad/s"
   avg-axis:		
      gyr_n: 1.0351286977809465e-04		# δg
      gyr_w: 2.9438676109223402e-05		# δbg
   x-axis:
      gyr_n: 1.0312669892959053e-04
      gyr_w: 3.3765827874234673e-05
   y-axis:
      gyr_n: 1.0787155789128671e-04
      gyr_w: 3.1970693666470835e-05
   z-axis:
      gyr_n: 9.9540352513406743e-05
      gyr_w: 2.2579506786964707e-05
Acc:
   unit: " m/s^2"
   avg-axis:
      acc_n: 1.3985049290745563e-03
      acc_w: 6.3249251509920116e-04
   x-axis:
      acc_n: 1.1687799474421937e-03
      acc_w: 5.3044554054317266e-04
   y-axis:
      acc_n: 1.2050535351630543e-03
      acc_w: 6.0281218607825414e-04
   z-axis:
      acc_n: 1.8216813046184213e-03
      acc_w: 7.6421981867617645e-04

github给出的—标定是离散参数
IMU标定实验,IMU传感器,IMU标定

  • 绘图结果—script—这下面的图像不是A3,是生成的那个仿真数据图像!

角速度allan曲线

IMU标定实验,IMU传感器,IMU标定

加速度allan曲线

IMU标定实验,IMU传感器,IMU标定

​ 其实也能看出来,关于角速度偏置随机游走肯定是误差最大的!

5.3 Allan方差实验(matlab代码kalibr_allan)

5.3.1 安装

  GitHub,主要是装那个ros转换包,matlab直接打开就行

mkdir -p datacen/src
catkin_make

5.3.2 bag转mat

  使用命令 rosrun bagconvert bagconvert xx.bag/imu0,该命令的解释是rosrun bagconvert bagconvert [bag名字] [topic名字],这里如果topic输入不正确,可能会得到一个177kb的错误mat文件

IMU标定实验,IMU传感器,IMU标定

IMU标定实验,IMU传感器,IMU标定

5.3.3 运行标定

  • 修改SCRIPT_allan_matparallel.m
% Our bag information
%mat_path = '../data/imu_mtig700.mat';
%mat_path = '../data/imu_tango.mat';
% 改成上面bag转mat文件的路径,可以在matlab命令行pwd,像Ubuntu一样
mat_path = 'I:\kalibr_allan-master\data\imu.mat';

  然后运行这个文件,根据电脑的性能,运行时间长短不一,最终会在你的mat文件下生成一个resultmat文件

  • 修改SCRIPT_process_results.m
titlestr = 'ADIS16448 VI-Sensor';
% 修改路径
mat_path = 'I:\kalibr_allan-master\data\results_20240106T181017.mat';

结果展示

加速度allan曲线

IMU标定实验,IMU传感器,IMU标定

角速度allan曲线:目前不知道哪里有问题,导致对应偏置随机游走无法计算!

IMU标定实验,IMU传感器,IMU标定

上面生成的数据对应方差!

	// noise----离散时间噪声标准差
    double gyro_bias_sigma = 1.0e-5;    // δbg rad/s
    double acc_bias_sigma = 0.0001;     // δba m/(s^2)

    double gyro_noise_sigma = 0.015;    // rad/s     δg
    double acc_noise_sigma = 0.019;      // m/(s^2)  δa

其实可以看出,这种方差实验结果要比imu_utils要准确一点文章来源地址https://www.toymoban.com/news/detail-832382.html

到了这里,关于IMU标定实验的文章就介绍完了。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

  • ICM-42670-P六轴MEMS运动传感器无人机智能手表运动设备IMU

    TDK InvenSense品牌各类产品,可支持算法定制与开发 TDK InvenSense公司的ICM-42670-P六轴MEMS运动跟踪装置结合了一个三轴陀螺仪和一个三轴加速度计。该设备针对的是需要超低功耗以驱动更长的电池寿命的消费者和物联网应用。该传感器提供低功耗的六轴和加速度计的工作模式。它

    2024年02月12日
    浏览(44)
  • 基于ES-EKF的LiDAR/GNSS/IMU传感器融合轨迹估计(附项目源码)

    最近在研究传感器融合,看到一个很好的开源项目,适合小白学习,为以后做传感器融合、SLAM、自动驾驶和室内定位等方向打下基础。 题目:基于改进扩展卡尔曼滤波(Error State-EKF)的LiDAR/GNSS/IMU的传感器融合轨迹估计 :改进扩展卡尔曼滤波(Error State Extended Kalman

    2024年04月24日
    浏览(37)
  • 车载测试:详解ADAS传感器(相机)标定数据采集方法

    1.基本原理 相机外参标定,通过拍摄多角度棋盘格标定相机外参。 2.外参标定板设计 标定板分为垂直标定板和水平标定板,由于地面的水平标定板不容易被检测到,本文采用垂直标定板进行相机标定。 在标定过程中标定板需要和车身坐标成正交状态,也就是标定板垂直边需

    2024年02月13日
    浏览(74)
  • ros2 机器人imu传感器 加速度计 陀螺仪精度和数据填充单位换算

    起因,imu解算出了加速度 角速度,但原始数据是没有单位的,只是在一个精度范围的值,要使用这些数据,就需要把这些没有单位的数据换算成带单位的数据,下面解说一下换算原理。 imu读取数据代码参考上期的博客: ros2 c++实现JY_95T IMU解算三轴 加速度 角速度 欧拉角 磁力

    2024年02月13日
    浏览(54)
  • STM32-光敏传感器实验

    光敏传感器的主要是光敏二极管,核心是PN结,利用了光电效应,对光强很敏感,有单向导电性,工作时需要加反向电压。光照越强,等效电阻越小。 实验要求通过ADC3通道6(PF8)采集光敏二极管的电压,然后转换为0~100的光纤强度值并显示在液晶屏上。 由下图可知对于的通

    2024年02月05日
    浏览(37)
  • STM32——内部温度传感器实验

    内部温度传感器框图 具体介绍: 1、STM32F40X有一个内部的温度传感器,可以用来测量CPU及周围的温度(TA)。 2、该温度传感器在内部和ADCx_IN16(F40xx/F41xx)或者ADCx_IN18(F42xx/F43xx)输入通道相连接,此通道把传感器输出的电压转换成数字值。 3、温度传感器模拟输入推荐采样时间是

    2024年02月13日
    浏览(46)
  • 【Arduino28】LM35温度传感器实验

    LM35温度传感器:1 个 面包板:1个 杜邦线:3根 VCC引脚接 5V 电源 OUT引脚接 A0接口 GND引脚接 GND 接口 通过本次实验,我学会了 LM35 传感器的使用。

    2024年02月09日
    浏览(39)
  • 鉴源实验室 | 自动驾驶传感器攻击研究

    作者 |  付海涛 上海控安可信软件创新研究院汽车网络安全组 来源 |  鉴源实验室 社群 |  添加微信号“ TICPShanghai ”加入“上海控安51fusa安全社区” 01 自动驾驶汽车的脆弱性 自2015年以来,汽车的信息安全问题受到国内外的广泛关注。而随着汽车的智能化与网联化的进程,

    2024年02月05日
    浏览(50)
  • 氢气传感器报警值:守护实验室安全的隐形卫士

                    随着科技的发展,我们的生活变得越来越便捷,但是与此同时,安全问题也日益凸显。其中,氢气作为一种清洁能源,被广泛应用于各个领域,但是如果不加以控制,氢气泄漏也可能带来严重的安全隐患。因此,了解氢气传感器的报警值,确保实验室

    2024年04月28日
    浏览(38)
  • 【物联网】液滴即信息:雨滴探测传感器实验解析降雨的密码

    ​​ 🌈个人主页: Sarapines Programmer 🔥 系列专栏: 《物联网实战 | 数字奇迹记》 ⏰翰墨致赠:狂风挟雷霆舞苍穹,剑气横扫万里空。英雄豪情铸不朽,激荡壮志燃热风。 目录 ⛳️1. 初识物联网 ⛳️2. 液滴即信息:雨滴探测传感器实验解析降雨的密码 🌍一、 研究目的

    2024年02月04日
    浏览(40)

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