关于Kalibr开源标定工具箱的思考和避坑建议

萝卜爱上SLAM

于 2024-12-25 17:29:53 发布

阅读量1.7k

点赞数 42

文章标签： github 笔记经验分享 c++ python

本文链接：https://blog.csdn.net/weixin_42946174/article/details/144721511

版权

文章目录

前言
一、Kalibr工具箱的相关思考
总结
参考文献

前言

在机器人、自动驾驶和无人机等领域，精确的传感器标定是确保系统精度和稳定性的关键步骤。Kalibr作为一款由ETHZ视觉组开源的视觉-惯性标定工具箱，凭借其高精度和灵活性，成为了众多研究者和工程师的首选工具。本文将分享使用Kalibr标定工具箱的一些思考和避坑建议，希望能帮助大家更高效地使用这一强大工具。

提示：以下是本篇文章正文内容，下面案例可供参考

一、Kalibr工具箱的相关思考

1. 关于传感器数据降帧采样的问题

网上大量的参考资料都提到，在录制camera话题时要降帧，如下所示。我个人认为这是不正确的。
原因：

多数资料人云亦云，都提到降帧，但是为什么要降帧并没有很好的解释。个人认为是因为最初使用Ubuntu16.04系统时PC的算力较弱，导致Kalibr计算时间过长才选择了降帧。但如今计算机算力大幅度提升，无需降帧。
降帧弊大于利，以Relsense D435i相机为例，其本身的采样频率为30HZ，降低为4HZ进行数据采集，在Kalibr计算过程中，数据量的减少必然导致多余观测量减少，这会导致计算精度的降低。
该问题是通过实际中多次标定发现的，之前也是参考网上教程降帧计算，但是精度一直不高，后来就在想为什么要降帧，通过使用30HZ的原始数据计算，精度确实有明显提升。

rosrun topic_tools throttle messages /camera/color/image_raw 4.0 /color
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

提示：上述代码是错误案例，本人认为无需降帧。

2. 关于提升标定精度的问题

大家可能也发现一个问题，使用Kalibr工具箱进行传感器标定时，每次录制的bag得到的标定精度差别很大（一般标定精度的好坏可以参考标定文件中的Reprojection error大小来判断，一般小于0.2则认为是比较好的标定结果）。
方法：

采用原始的图像帧进行数据采集。上述已经提到过并解释了原因，个人不建议降帧采集。
提高标定板本身的精度。标定准确与否与标定板本身有直接关系。如果标定板的精度就很低，那么根据标定板解算的标定结果就不会高（好比利用尺子量一支钢笔的长度，如果尺子本身就不准，那么得到的钢笔长度也不会准确）。许多学者利用打印的A4纸进行标定，个人觉得是不够准确的。从科学研究和发表paper的角度，建议在某宝/某东定制标准的标定板，标定板精度能达到0.01mm。
相机与IMU联合标定，录制数据时传感器运动要快。Kalibr有个官方教程如何采集标定数据，即传感器对着标定板（距离一定要合适，不能太远，保证图像全部包含整个标定板即可）进行前后，上下，左右和三轴方向的充分运动。其实也很好理解，即三个方向的位移和三个方向的旋转都运动充分，才能实现相机与IMU的外参准确标定，否则可能导致某个自由度运动不充分造成解算方程的病态性。注意：IMU中的加速度计模块需要足够的激励才能得到有效的数据，因此采集数据时一定要快速运动，只要图像不模糊，运动要尽可能的快。（这里也对应了前边讲到的图像降帧问题，如果大幅度降帧，图像运动又很快，那么很可能许多图像不可用或者精度很差；但是如果不降帧，即使某些图像模糊，但是绝大多数图像仍可用，得到的结果依旧很好）。图像运动快是基于多次标定的实验结果分析得到的，如果缓慢运动，则IMU得到的Gyroscope error和Accelerometer error一般都会很大。
示例：下图为利用30HZ的图像数据，标准的标定板，以及快速运动得到的标定结果。

注意：如果发现Kalibr解算过慢，之前遇到过在个人笔记本上解算过程耗时近10个小时，很可能是因为录制的bag质量不好，导致每次解算的结果不收敛，因此一直在循环迭代。一般质量比较好的bag，在个人笔记本上几分钟内即可解算完成（因为采集的bag质量高所以迭代几次很快收敛并满足停止迭代条件），解算时间长短可以作为判断bag质量好坏的一个参考依据，当然在不同配置的电脑上解算时间也有很大差别。
matlab相机标定工具箱与Kalibr工具箱。如果只是标定相机内参或者相机间外参，不涉及IMU传感器，则建议利用matlab相机标定箱实现。原因在于：（1）matlab相机标定箱集成度高，算法迭代较为成熟，标定精度准确可靠且操作简单，更适合新手；（2）matlab相机标定工具箱只需利用采集的若干幅静态图像即可实现标定，无需动态采集数据和录制bag，操作更加便捷。此外，静态采集的优势在于无需考虑相机间的时间同步问题，而kalibr工具箱还要实现相机间动态运动过程中时间同步，时间同步本身就会导致精度的降低。

3. 关于Kalibr标定工具箱的改进

最近看到武汉大学李星星教授团队开源的iKalibr工具箱，其支持五种常用的传感器（IMU、4D毫米波雷达、LiDAR、RGB相机和RGB-D相机）且无需靶标的标定框架。该工作本人还没来及仔细研究学习，感兴趣的朋友可以参考下方链接。
ikalibr代码
 ikalibr软件介绍

总结

Kalibr开源标定工具箱的思考和避坑建议（未完待续），后续会及时更新，不足之处请批评指正。欢迎交流学习。

参考文献

Furgale P, Rehder J, Siegwart R. Unified temporal and spatial calibration for multi-sensor systems[C]//2013 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2013: 1280-1286.
https://github.com/ethz-asl/kalibr
https://github.com/Unsigned-Long/iKalibr