Camera-IMU标定过程

最新推荐文章于 2024-08-16 09:54:45 发布

奔跑中的羚羊

最新推荐文章于 2024-08-16 09:54:45 发布

阅读量1.3w

点赞数 6

分类专栏： slam的原理文章标签： VIO-SLAM

本文链接：https://blog.csdn.net/wwchen61/article/details/78013962

版权

本文介绍了VIO系统中Camera和IMU标定的重要性，包括在线（online）和离线（offline）两种标定方法。重点讲解了利用kalibr工具在ROS indigo环境下进行标定的步骤，涉及数据采集、标定板制作、参数配置等，以及评估标定效果的关键指标。

摘要由CSDN通过智能技术生成

Camera和IMU的标定过程

问题说明

VIO（Visual-Inertial Odometry）视觉惯导里程计是在视觉里程计的基础上加入了IMU的数据进行融合来更精确的估计位姿。在VIO算法中，Camera和IMU的融合都需要基于Camera和IMU坐标系进行转换的相对位置矩阵Tbc/Tcb。所以VIO算法在实际实现时会遇到的第一个问题就是这个Tbc的矩阵标定。
一般有两种方法来做Camera和IMU的标定，online和offline。港科大的VINS就实现了一个在线的Camera和IMU的标定算法，显而易见，online标定使用起来会更加的方便，具有兼容性，能够对不同的设备进行标定，但是也增加了初始化的复杂性。一般来说目前的VIO系统假如不是动态的求解Camera的内参的情况下，都是做预先的offline标定的。

工具环境准备

这里Camera和IMU标定所用到的工具是kalibr，这个工具是跑在ROS上的，而且是特别指的是ROS indigo。而ROS indigo是跑在Ubuntu14.04上的，所以我们要用kalibr需要先准备ubuntu14.04+ROS indigo的平台，然后把kalibr在这个平台上编译运行。
按照这个installation wiki就能够搭建好所需要的环境，遇到什么库找不到的问题，只需要通过apt-get install安装即可。
在编译kalibr的时候，有可能会报gcc编译的错误，通常来说是内存不足(特别是运行在虚拟机上)