imu和canmera标定

最近在研究imu和相机的联合标定方法，根据网上查到的资料和github上的开源工具总结以下。

一、联合标定的工具Kalibr
https://github.com/ethz-asl/kalibr

wiki写的很全了，总结如下要点：

须要：
一、内参：尺度，轴误差、非线性（应用到raw measurements）

二、陀螺仪和加速度计的噪声和随机游走误差

三、标定图像，很成熟了，使用ros中的工具箱就行。

采集图像：
须要激活因此的轴，20Hz的相机，200Hz的IMU

避免震动，看到有说法使用人手不行，须要机械臂

若是您正在使用具备对称性的校准目标（棋盘，圆网格），则必须避免可能致使目标姿态估计中的翻转的运动。 推荐使用Aprilgrid来彻底避免这个问题。

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：

当前标定的结果,主要基于如下两个方面断定:

* 真实的IMU坐标系和相机坐标系的转换,即相机和IMU的物理距离
* 标定结果的稳定性上
标定的结果一直没法使人满意:
可能的缘由
    选择的内参数值
    畸变系数的选择
    采集过程当中出现的晃动
    坐标系混乱

二、IMU内参标定工具imu_tk
https://github.com/Kyle-ak/imu_tk（或者https://bitbucket.org/alberto_pretto/imu_tk）

wiki基本没有。

详细介绍：https://blog.csdn.net/haoliliang88/article/details/76737960

关于IMU偏差的讲解：https://www.cnblogs.com/buxiaoyi/p/7541974.html（推荐）

总结优化的方法：

加速度计：   误差Bias，3个（六面法最小二乘问题）

                        尺度因子，3个

                        轴向误差，3个

陀螺仪：       误差Bias+高斯噪声（Allan方差），3个

                        尺度因子，3个

                        轴向误差，6个

泡泡机器人上的更为详细讲解：http://rosclub.cn/post-221.html

这个是使用matlab，不过我不太想用matlab（双系统每一个系统一个matlab，想一想就可怕），其中的理论仍是能够看看的：

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

加速度计：十面球形校准（重力加速度应该在球面上）

        程序的输出是矩阵M和B，M是一个3*3的矩阵，表示三轴加速度计各方向的关联（理想状况该矩阵为单位阵），B是3*1的矩阵即各方向bias。采集数据时要注意，保证重力加速度分别指向+-x、+-y、+-z六个方向，得到较为准确的标定结果。

校准的过程：

静置IMU T（通常取50s）。

旋转IMU使其保持不一样的姿态。

在某种姿态下，至少保持t（通常取1~4）s。

是否旋转IMU N（通常选36~50）次。

用算法估计偏差参数

最后能够根据残差（residual）来挑选最终结果
要保证旋转过程有明显的加速减速过程，可使用6面法校准，多旋转几回避免奇异性。要注意参数的初始值的设定，若是设置很差会很大程度影响结果。

附上我这拙劣的操做：

三、噪声和随机游走的标定（Allan方差）
https://github.com/rpng/kalibr_allan（matlab）

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

能够看他们的wiki很详细，也能够看以前蓝色推荐的那个，也有讲。

后者是港科大推荐的，须要装一个code_utils都在他的github上。

通常这些开源代码不是有例程就有详细的说明，提供参考。