最详细、最完整的相机标定讲解（相机与IMU标定教程）
标定教程
way
相机与IMU联合标定
1 、imu_utils 标定IMU的内参
1 、 imu_utils标定IMU的内参 ，可以校准IMU的噪声密度和随机游走噪声
2 、kalibr包标定相机的内外参数 ，相机与IMU之间的外参
1.1安装环境
这里使用的包是 imu_utils ,使用这个包可以校准IMU的噪声密度和随机游走噪声
step1： 安装ceres库
sudo apt-get install liblapack-dev libsuitesparse-dev libcxsparse3.1.2 libgflags-dev sudo apt-get install libgoogle-glog-dev libgtest-dev下载编译 ceres-solver
git clone https://github.com/ceres-solver/ceres-solver.git cd ceres-solver mkdir build cd build cmake .. make sudo make installstep2： 安装 code_utils
构建工作空间
mkdir -p ~/kalibr_workspace/src cd ~/kalibr_workspace catkin_make注意:这里需要修改 code_utils 的 CMakeLists.txt 文件, CMAKE_CXX_FLAGS “-std=c++11 ” 改为 CMAKE_CXX_STANDARD 14 并在添加 include_directories(include/code_utils)
sudo apt-get install libdw-dev cd kalibr_workspace/src git clone https://github.com/gaowenliang/code_utils.git cd .. catkin_makestep3： 安装 imu_utils (imu_utils依赖code_utils 先编译code_utils 再编译imu_utils 。)
注意:这里需要t同样修改 imu_utils 的 CMakeLists.txt 文件, CMAKE_CXX_FLAGS “-std=c++11 ” 改为 CMAKE_CXX_STANDARD 14
cd kalibr_workspace/src git clone https://github.com/gaowenliang/imu_utils.git cd .. catkin_make1.2 、录制IMU数据集
step4: 静止情况下采集IMU的数据 ，并录制为ROS包 ，我采集的时间为2小时20分钟 。
rosbag record /imu/data -O imu_xsens.bagstep5: 标定 配置xsens.launch文件为如下内容：(指定IMU的topic)
<launch> <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"> <param name="imu_topic" type="string" value= "/imu/data"/> #话题名称 <param name="imu_name" type="string" value= "xsens"/> <param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/> <param name="max_time_min" type="int" value= "120"/> #加载多长时间的数据 <param name="max_cluster" type="int" value= "100"/> </node> </launch>这里有一个max_time_min表示使用bag数据的最大时长 ，单位是分钟 ，默认是120分钟 ，
step6:启动 imu_utils 标定IMU roslaunch imu_utils xsens.launch rosbag play -r 200 imu_xsens.bag这一步是关键 ，在执行上上步roslaunch imu_utils xsens.launch之后 ，程序会进入等待话题的状态 。
得到如下输出结果：
尽快执行rosbag play -r 200 自己的.bag ，程序进入bag读取 ，并计算allan方差 。当bag包加速回放完毕后 ，执行launch的窗口仍然会显示wait for imu data. ，等待一段时间计算 ，计算完毕后会显示计算结果 。
显示done之后 ，在catkin_ws/src/imu_utils/data这个文件夹下会出现一系列的data文件 ，打开xsens_imu_param.yaml这个文件 ，会看到计算出来的噪声和随机游走的系数值 。
![在这里插入图片描述](https://img-blog.csdnimg.cn/319e45ea36804a1aa6bf7611742df814.png %YAML:1.0 --- type: IMU name: xsens Gyr: unit: " rad/s" avg-axis: gyr_n: 5.0034702036714999e-02 gyr_w: 2.4583978028785876e-03 x-axis: gyr_n: 2.5852284735645492e-02 gyr_w: 1.8303245177389645e-03 y-axis: gyr_n: 9.8883151331650182e-02 gyr_w: 4.8477797168896648e-03 z-axis: gyr_n: 2.5368670042849317e-02 gyr_w: 6.9708917400713272e-04 Acc: unit: " m/s^2" avg-axis: acc_n: 9.1440795637947525e-01 acc_w: 2.1004351612340905e-02 x-axis: acc_n: 2.0238764067980461e-01 acc_w: 1.7432126284010131e-02 y-axis: acc_n: 4.8601261496646220e-01 acc_w: 2.0739830749315680e-02 z-axis: acc_n: 2.0548236134921587e+00 acc_w: 2.4841097803696900e-022 、kalibr 标定工具
2.1安装
sudo apt-get install python-setuptools python-rosinstall ipython libeigen3-dev libboost-all-dev doxygen libopencv-dev sudo apt-get install libopencv-dev ros-kinetic-vision-opencv ros-kinetic-image-transport-plugins ros-kinetic-cmake-modules python-software-properties software-properties-common libpoco-dev python-matplotlib python-scipy python-git python-pip ipython libtbb-dev libblas-dev liblapack-dev python-catkin-tools libv4l-dev sudo pip install python-igraph (sudo apt install python-pip (python2.7)) //若出现问题 ，用以下命令安装 sudo apt-get install python-igraph编译kalibr,这里要确保电脑联网,编译时间有点长.
cd ~/kalibr_workspace/src git clone https://github.com/ethz-asl/Kalibr.git cd ~/kalibr_workspace catkin build -DCMAKE_BUILD_TYPE=Release -j4 source ~/kalibr_workspace/devel/setup.bashnode:若编译出现如下问题,参考链接[2].
2.2 校准相机的内外参
标定板使用二维码aprilgrid或者棋盘格checkerboard都是可以的 ，使用时做好相应yaml的修改即可 。标定板下载见https://github.com/ethz-asl/kalibr/wiki/downloads ，需要有google帐号且要有谷歌云端硬盘的访问权限 。如果不可以（比方说我就不可以） ，可参照https://github.com/ethz-asl/kalibr/wiki/calibration-targets ，使用kalibr_create_target_pdf命令自己创建指定标定板然后打印就可以了 。
本篇使用了二维码标定板 ，创建或修改apriltag.yaml target_type: aprilgrid #gridtype tagCols: 6 #number of apriltags tagRows: 6 #number of apriltags tagSize: 0.088 #size of apriltag, edge to edge [m] tagSpacing: 0.3 #ratio of space between tags to tagSize其中tagsize和tagspacing是要根据实际打印出来的标定板做修改的 ，其参数意义可参照下图 ，该图同样来自https://github.com/ethz-asl/kalibr/wiki/calibration-targets 。
step1 运行相机节点
rosrun sensor_driver stereo_left_node rosurn sensor_driver stereo_right_nodestep2 修改话题的频率为4 启动相机节点 ，因为kalibr处理时建议图像频率不能太高 ，此处使用topic_tools/throttle对输出的图像话题降频 ，4Hz也是官方推荐的频率 。
rosrun topic_tools throttle messages /stereo_left_node/left 4.0 /left rosrun topic_tools throttle messages /stereo_right_node/right 4.0 /rightnode:对命令解释说明
rosrun topic_tools throttle messages 修改后的话题名 频率 原始话题名
该命令可以修改话题的名和频率 ，本文修改了话题的频率 ，话题名称修改为/left /rightstep3 录制bag数据
rosbag record -0 stereo_calibar.bag /left_img /right_imgnode:双目采集数据说明
将相机对准标定板 ，不断移动相机达到获取不同角度图像 ，大概采集200张图片（50s左右）step4 用Kalibr双目相机标定
// 进入到kalibr工具目录下 source devel/setup.bash rosrun kalibr kalibr_calibrate_cameras --bag xxx/stereo_calibra.bag --topics /left_img /right_img --models omni-radtan omni-radtan --target xxx/april_6x6_80x80cm_A0.yaml rosrun kalibr kalibr_calibrate_cameras --bag src/data/2021-09-02-16-24-01.bag --topics /left_img /right_img --models omni-radtan omni-radtan --target src/data/april_6x6_80x80cm_A0.yaml --show-extraction --approx-sync 0.05node:对命令解释说明
rosrun kalibr kalibr_calibrate_cameras --bag xxx/stereo_calibra.bag --topics /left_img /right_img --models omni-radtan omni-radtan --target xxx/april_6x6_80x80cm_A0.yaml --bag-from-to 5 105
xxx/stereo_calibra.bag stpe3 录制的bag路径 /left_img /right_img 话题名 omni-radtan omni-radtan 后面是相机/畸变模型 ，有几目相机就要写几个 ，这里是两个omni-radtan模型相机 ，所以是两个omni-radtan;相应地 ，其他支持的模型可以查看https://github.com/ethz-asl/kalibr/wiki/supported-models 。 xxx/april_6x6_80x80cm_A0.yaml 标定板配置文件 （使用标准的标定板 ，从官网下载的yaml文件参数不用修改 ， 笔记本中有这个文件 可以直接用） –show-extraction 是在标定过程中的一个显示界面 ，可以看到图片提取的过程 ，可以不要； –approx-sync 0.05 时间戳不对齐问题 –bag-from-to后面是想要使用数据时间段的起始时间和结束时间 ，单位：秒(s) ，这个参数可以剔除掉刚开始录制和结束时一些出入视野等画面个人遇到的问题记录：
标定运行过程中报错 ，RuntimeError: Optimization failed!
可以参照github上作者的回答https://github.com/ethz-asl/kalibr/issues/41 ，提高timeOffsetPadding (https://github.com/ethz-asl/kalibr/blob/master/aslam_offline_calibration/kalibr/python/kalibr_calibrate_imu_camera#L171)再次尝试 。
标定完成会生成下面3个文件 ，其中命名为camchain的.yaml文件是后续联合标定要继续用到的 ，里面包含了所需的相机的内外参 。
可以查看report的pdf ，重投影误差（reprojection errors）在1个像素以内标定就是比较好的了 。
3 、相机和IMU联合标定
step1 录制数据集
把IMU和相机固定在一起录制ROS bag包, 录制的时候要注意按照官方的说法-充分激励IMU
- 绕3个轴旋转和3个方向的平移 ，这里有个[官方视频3] 可以参考
录制数据包时同样也要控制图像数据频率 。 rosrun topic_tools throttle messages /camleft/video_image 4.0 /caml rosrun topic_tools throttle messages /camright/video_image 4.0 /camr rosbag record -O stereo_imu_calibra.bag /stereo_left_node/left /stereo_right_node/right /imu_node/imu0注意事项：
采集数据的起始和结束阶段注意别晃动太大 ，如从桌子上拿起或者放下 。如果有这样的动作 ，在标定阶段应该跳过bag数据集的首尾的数据. 采集数据的时候应该给imu各个轴足够的激励 ，如先依次绕各个轴运动 ，运动完后来个在空中画8字之类的操作 ，当然也要注意别运动太剧烈 ，图像都模糊了 。联合标定中imu内参yaml格式如下 ，并不能直接拿imu_utils的标定结果yaml文件来用 ，否则会报错RuntimeError: [ImuConfig Reader]: Could not read configuration from …
#Accelerometers accelerometer_noise_density: 4.8641695361661035e-03 #Noise density (continuous-time) accelerometer_random_walk: 2.3944306307068487e-04 #Bias random walk #Gyroscopes gyroscope_noise_density: 5.4583665041817392e-04 #Noise density (continuous-time) gyroscope_random_walk: 6.1968037914410386e-06 #Bias random walk rostopic: /imu #the IMU ROS topic update_rate: 100.0 #Hz (for discretization of the values above)step2 标定
source devel/setup.bash rosrun kalibr kalibr_calibrate_imu_camera --target src/data/april_6x6_80x80cm_A0.yaml --cam src/data/camera.yaml --imu src/data/A1_ium.yaml --bag src/data/stereo_imu_calibra.bag rosrun kalibr kalibr_calibrate_imu_camera --target april_6x6_55x55mm.yaml --bag ~/bagfiles/zed_xsens.bag --bag-from-to 5 50 --cam src/data/camera.yaml --imu src/data/A1_ium.yaml --imu-models scale-misalignment --timeoffset-padding 0.1node:对命令解释说明
１ 、--target src/data/april_6x6_80x80cm_A0.yaml ：标定板的参数文件；
2 、--bag images_imu.bag指定数据包
3 、–bag-from-to 5 50设定bag包开始时间和结束时间 ，避开拿起和放下IMU的时间段内的数据
２ 、--cam src/data/camera.yaml ：camera的参数文件 ，格式参考【文档１:camera.yaml】 。使用标定好的相机参数替换对应的内容；
３ 、--imu src/data/ium.yaml ：imu的配置文件 ，格式参考【文档２：imu.yaml】 ，用标定好的imu参数替换相应的参数；
４ 、–imu-models scale-misalignment IMU的参数模型camera.yaml文件内容如下:
cam0: cam_overlaps: [1] camera_model: pinhole distortion_coeffs: [-0.1734857772863602, 0.026545178121976657, 0.0004291887376674085, -3.4873170616746686e-05] distortion_model: radtan intrinsics: [693.131838769146, 692.5498277671763, 616.3486206381017, 379.6677572220899] resolution: [1280, 720] rostopic: /stereo/left/image_raw cam1: T_cn_cnm1: - [0.9999658061828064, 0.0005632950824424241, 0.0082504038578218, -0.11947602055948268] - [-0.0006621128372211408, 0.9999280240823567, 0.011979493367486592, 0.0004870068672051519] - [-0.008243062037729159, -0.011984546441186855, 0.9998942056912012, -0.0028910358303400464] - [0.0, 0.0, 0.0, 1.0] cam_overlaps: [0] camera_model: pinhole distortion_coeffs: [-0.17456713089475154, 0.027410444232267236, 0.0006360696559962682, -0.0002450168896166665] distortion_model: radtan intrinsics: [694.2107729740508, 693.480347118504, 617.3114354961933, 380.800130116761] resolution: [1280, 720] rostopic: /stereo/right/image_rawimu.yaml文件内容如下：
#Accelerometers accelerometer_noise_density: 5.43036e-03 #Noise density (continuous-time) accelerometer_random_walk: 1.44598e-04 #Bias random walk #Gyroscopes gyroscope_noise_density: 4.9700e-03 #Noise density (continuous-time) gyroscope_random_walk: 6.8522e-05 #Bias random walk rostopic: /imu/data #the IMU ROS topic update_rate: 100.0 #Hz (for discretization of the values above)标定完成以后同样会生成一个报表和在终端里面打印校准信息;
标定结果的重投影误差应该在零点几个像素
标定出来的位移和实际测量或估计的IMU 和相机中心位移比较一致参考文献
Kalibr 标定双目内外参数以及 IMU 外参数 使用kalibr对双目-IMU进行标定（小觅相机） [相机标定] 用Kalibr标定diy的双目相机 《视觉SLAM进阶：从零开始手写VIO》第二讲作业 没有libelf.h libdw.h imu_utils IMU内参标定工具 imu_utils安装教程 imu_utils使用教程 VIO 中 IMU 的标定流程 (1/3) - imu_utils 使用备忘 VIO 中 IMU 的标定流程 (2/3) - kalibr_allan 使用备忘 VIO 中 IMU 的标定流程 (3/3) - imu_tk 使用备忘 相机与IMU联合标定_熊猫飞天的博客-CSDN博客_相机和imu联合标定创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！