多传感器数据融合

一、相机与IMU

相机和IMU的同步问题,首先要解决硬件同步。本人用的相机是德国Balser 相机,可以设置软件触发和硬件触发,如果设置软件触发,相机的采样频率会受曝光时间和网线长短等因素的影响,如需严格输出特定频率的图像,需设置硬件触发,假设频率为20HZ如果用独立的相机和mems,务必硬件同步,否则误差很大,鲁棒性也不好。因为时间戳在vio里面真的很重要; 如果时间戳对不齐,外参始终都标不好.

 同步方法如下:

(1)IMU的输出频率是200HZ

(2)相机有一个接收外部触发的gpio引脚, Arduino 单片机给定的频率是20HZ,具体程序请看我的博客

(3)将相机设置成固定曝光时间(一定不能设置成自动曝光),具体曝光时间要根据环境和硬件设置,原则上是在保证图片清晰的情况下曝光时间越短越好。

如此以来相机和imu就同步了,可以保证每输出一帧图像都有对应的imu输出,没两帧图像之间有10帧的imu。其实到这里硬件同步已经完成了。

注意的问题:

1、如果传感器内部有同样的时钟基准(比如UTC),那么可以用传感器自带的时间打时间戳,否则用ros; 如果用ros打时间戳就避免不了要有时间延迟,因为图像传输和imu传输都是有延迟的。硬件同步后的相机和imu实际上是时间对齐的但是优于IMU、相机读取程序的复杂度、通信的方式等原因,导致你在pc机接收的时候是有时间差的,如果是是几毫秒,可以接受。

2、如果你想像数据集那样有groundtruth的话最好有一个RTK

3、如果你用串口传数据,一定要将串口延时设置成1ms,默认是16ms,无论如何时间戳都打不对的

 

 

 

 

 参考资料:

1、自动驾驶常用数据集KITTI使用指南之一——图像雷达数据融合

https://blog.csdn.net/BIT20091643/article/details/81177299?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.channel_param

2、SLAM中多传感器融合的时间同步问题

https://blog.csdn.net/wheelfjl/article/details/78653321

3、ros 下面同步相机和IMU 两个topic

https://blog.csdn.net/ttomchy/article/details/82431320

4、ROS下同时接收多个话题并实现相机和雷达的数据融合

https://blog.csdn.net/qq_29462849/article/details/88880699?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

5、ROS之订阅多个话题并对其进行同步处理(多传感器融合)

https://blog.csdn.net/orange_littlegirl/article/details/97425696?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

6、无人驾驶传感器融合系列(十)—— 目标追踪之相机与激光雷达数据融合

https://blog.csdn.net/weixin_40215443/article/details/96456408?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

7、研究VINS/VIO的时候如何采集像EuRoc那样的数据??相机和imu如何进行时间戳同步?这里的关键是传感器的选择和时间

https://www.zhihu.com/tardis/landing/360/ans/550725103?query=%E7%9B%B8%E6%9C%BA%E5%92%8CIMU%E6%95%B0%E6%8D%AE+%E6%97%B6%E9%97%B4%E5%90%8C%E6%AD%A5&guid=76355098254C37FE6994D61A64168D30.1562056387726

 

  • 6
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
《多传感器数据融合手册》是一本由CSDN出版的专门介绍多传感器数据融合领域的手册。数据融合是指将来自不同传感器的信息进行集成和处理,以获取更准确、全面的信息。随着传感器技术的发展和应用的不断扩大,多传感器数据融合成为热门的研究领域。 这本手册首先介绍了多传感器数据融合的基本概念和原理。然后,逐步介绍了多传感器数据融合中的各个环节,如传感器选择与布置、传感器间的数据对齐与分析等。同时,手册还详细讲解了多种数据融合算法和方法,包括卡尔曼滤波、粒子滤波、神经网络等,以及它们在不同情境下的应用。 这本手册不仅仅是一个理论指南,它还提供了实际案例和应用实例,让读者能够更好地理解和掌握多传感器数据融合技术。同时,书中还包含了许多代码示例和实践项目,帮助读者深入学习和实践。 该手册的目标读者主要包括数据融合领域的研究者和从事相关工作的工程师。同时,对于学习者和对该领域感兴趣的人士也有很大的参考价值。它具有理论和实践结合的特点,能够帮助读者全面了解多传感器数据融合的最新发展和应用前景。 总之,《多传感器数据融合手册》是一本内容全面、实用性强的权威指南。读者可以通过阅读本手册,系统地学习和掌握多传感器数据融合的理论和方法,提升自己在相关领域的研究和应用能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

他人是一面镜子,保持谦虚的态度

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值