1. rosbag包转化成.mat文件参考教程:https://blog.csdn.net/sinat_25923849/article/details/107868065
2. 标定教程:https://blog.csdn.net/qq_18276949/article/details/114634990
3.官方说明:
地址: https://github.com/rpng/kalibr_allan
实验步骤
- 在 IMU 静止的情况下,记录一袋 ROS 读数(我们收集了一袋约 4 小时)
- 将 ROS 包转换为 matlab mat 文件。
参考1的方法
(1) 使用包含的bagconvertROS 包来执行此操作
(2)例子:rosrun bagconvert bagconvert imu.bag /imu0
4. 运行包含的 matlab 脚本以生成读数的艾伦偏差图
(1)如果使用并行版本,则使用 matlab 并行工具箱
(2)需要指定bagconverter制作的mat文件,以及IMU消息的速率
5. 解释生成的图表以查找噪声值
(1)运行处理结果脚本
(2)将适合艾伦图左侧的 -1/2 线
(3)白噪声为 tau=1(根据kalibr wiki)
(4)将适合艾伦图右侧的 1/2 线
(5)随机游走在 tau=3 (根据kalibr wiki)
6. 一些示例数据可以在这里找到:
(1)XSENS MTI-G-700
(2)Tango Yellowstone Tablet
(3)ASL-ETH VI-Sensor
4. 参数实践官方说明:
地址:https://github.com/ethz-asl/kalibr/wiki/IMU-Noise-Model
Kalibr IMU 噪声参数在实践中 需要注意的是,此处使用的 IMU 测量误差模型源自不经历运动且处于恒定温度的传感器。
因此,例如,由温度变化引起的比例因子误差和偏差变化没有被考虑在内。很明显,该模型是乐观的。特别是在使用带有 Kalibr 的低成本 MEMS IMU 时,您可能还必须增加噪声模型参数以“捕获”这些错误。换句话说,如果您直接使用从静态传感器数据中获得的“sigmas”,Kalibr 会倾向于过于信任您的 IMU 测量结果,并且其解决方案不会是最优的。