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
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.so
和 libglog.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。
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
- 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
加速度allan曲线
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
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result
的mat
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
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!
文章来源:https://www.toymoban.com/news/detail-832382.html
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!