论文学习---The TUM VI Benchmark for Evaluating Visual-Inertial Odometry

目的

参考论文：The TUM VI Benchmark for Evaluating Visual-Inertial Odometry
本文介绍用Mocap系统来采集VIO数据集过程中的相关标定过程。

传感器

如下图所示，采集设备包含双目RGB相机+IMU。IMU和两个相机刚性连接，几个红外小球可以被MoCap系统进行运动跟踪。为了标定传感器之间的内参和外参，需要采用AprilTag板。其中，AprilTag板和MoCap参考世界坐标系之间的相对位姿固定。

左图显示了所有涉及到的坐标系。

相机

全局曝光，20Hz， 采用Genuino 101 微控制器进行双目同步触发。鱼眼195°的对角FOV。

Light Sensor

全局曝光相机的时间戳和曝光时间有关，如果采用自动曝光，需要准确记录每一帧的曝光时间。
TSL2561光传感器来估计相机的曝光时间，该传感器能输出环境光的测量值，该值与曝光时间成反比。我们可以用最小二乘拟合来估计参数，并基于最新光测量结果计算出来的曝光时间来配置双目相机。注意，只要环境不是太暗或者太亮，是没有必要reproduce相机的自动曝光控制的。大多数情况下，这种曝光控制的方法比较有效。

IMU

16-bit 三轴加速度计和陀螺仪。记录IMU的温度，用于标定IMU的温度噪声模型。200Hz输出频率。IMU和相机采用Genuino101微控制器来同步触发。在后续标定中，需要标定相机和IMU之间的固定timeoffset （由于IMU测量的readout延时）。我们估计这个值一次，并用这个值来矫正全部原始和标定数据集。

Motion Capture System

采用OptiTrack动捕系统来记录真值位姿，包含16个红外Flex13相机，跟踪红外标志小球。由于MoCap系统在一个房间里，因此，我们不能记录出去房间之外的长轨迹。

标定

我们需要标定两种类型的传感器数据：原始数据和标定数据。原始数据直接由传感器测量，需要经过标定校准之后才能使用。下面，描述对原始数据的标定校准。

相机标定

首先，标定双目之间的内参和外参。相机标定时，需要采集多张标定板图像。注意，采集时缓慢运动，避免运动模糊，也可以静止状态下采集双目图像。

IMU 和手眼标定

然后，标定IMU和相机，以及IMU和MoCap帧之间的外参。同时，估计IMU和MoCap之间的时间偏移，以及IMU的内参（轴偏，尺度因子和biases）.
这里，保持相机内参固定，优化：

• cam和IMU之间的相对pose
• MoCap和IMU 之间的timeshift
• cam和IMU之间的timeshift
• 相机之间的外参
• Marker到IMU之间的相对pose $T_{MI}$，MoCap世界坐标系到AprilTag坐标系之间的相对pose $T_{WG}$
• 加速度计和陀螺仪的bias
• 轴偏和尺度因子矩阵

对着AprilTag采集动态轨迹，包含相机图像+IMU数据+MoCap位姿真值。作为标定数据。采集时候，需要保证图像不模糊，且IMU的6个方向运动激励都足够。选择较小的曝光时间来避免运动模糊。

$T_{MI}$ 和$T_{WG}$ 标定

手眼标定和最小二乘拟合来估计$T_{MI}$ 和$T_{WG}$ 。标定出来之后，将原始采集的MoCap位姿 $T_{WM}$ 转换为$T_{WI}$ 真值位姿。

标定数据的MoCap和IMU之间的timeshift

对于每个序列，其MoCap和IMU之间的时间偏移，需要单独标定。为了找到time offset， 采用MoCap位姿计算出来的角速度和陀螺仪数据进行对齐，grid搜索步长100us。在这之前，先根据测量到达时间，做一个粗略对齐。然后，得到一个相关性抛物线，其最小值就是所求的time offset.

轴偏和尺度因子，初始bias

bias在SLAM中时，仍然需要估计。因为bias随时间变化。

IMU 噪声参数

Allan方差可以估计IMU的噪声参数。

光度标定

采用TUM MonoVO dataset中提供的代码来估计vignetting factor。 主要用于图像灰度矫正，来使得直接法匹配更准确。

basalt 标定模块和时间对齐模块。