基于kalibr的xtion pro live 相机及与IMU的标定

  • kalibr的安装
  • 点击打开链接https://github.com/ethz-asl/kalibr
  • Kalibr 提供两种使用方式。                                                                                                                                                                                                                               第一种为CDE下直接使用,作者将所需的库文件打包好,省去了配置dependency的步骤,可以直接从

    https://github.com/ethz-asl/kalibr/wiki/downloads下载, 注意需要科学浏览。下载之后直接用./cde-exec+命令 即可使用对应的工具。

    例如如果我们想使用kalibr内的kalibr_calibrate_cameras功能,使用

    ./ced-exec kalibr_calibrate_cameras --target april_6x6.yaml --bag static.bag --models pinhole-equi pinhole-equi omni-radtan omni-radtan --topics /cam0/image_raw /cam1/image_raw /cam2/image_raw /cam3/image_raw

    但是此方法不能使用其中的某些功能,例如我们想使用calibration validator,在CDE环境下是无法使用的。                                                                                  第二种:build from source。

    根据https://github.com/ethz-asl/kalibr/wiki/installation的part B中的描述进行安装。

  1. xtion pro live 相机标定
    1. 首先我们要下载PTAM,用ptam的cameracalibrator来标定。
      下载ptam包,编译之前安装依赖项:
      sudo apt-get install freeglut3-dev
      sudo apt-get install libblas-dev
      sudo apt-get install liblapacke-dev
      进入PtamFixParams.yaml文件第2、3行修改xtion_pro_live的图像分辨率为:
      ImageSizeX: 640
      ImageSizeY: 480
      成功编译后,进入cameracalibrator.launch修改输入topic :
      
      
      
         
         
             
             
             
         
         
         
              
              
          
         
      
       做完了这些,你还需要把ptam中的calib_pattern.pdf打印出来作为标定棋盘,你就可以运行校准程序了,在终端中输入:
      roslaunch ptam cameracalibrator.launch
    2. 针对xtion相机还有一种pinhole模型,给出pinhole模型标定过程:
      1. 先把标定程序下载下来: git clone https://github.com/ros-perception/image_pipeline.git
      2. 去把最新的依赖文件vision_opencv下载下来:
        git clone https://github.com/ros-perception/vision_opencv.git 
        
      3. 扔到空间内的src下编译,然后开始标定
        roslaunch openni2_launch openni2.launch 
        rosrun camera_calibration cameracalibrator.py --size 11x7 --square   0.02 image:=/camera/rgb/image camera:=/my_camera --no-service-check
        有人会问了不是12x8个方格吗?对啊,所以有11x7内点啊。
        有人会问camera:=/my_camera这是什么东东?相机device。因为有–no-service-check所以/my_camera可以随便写!!不检查。但不可以省略。下面的过程可以看下:
        教程:http://wiki.ros.org/camera_calibration/Tutorials/MonocularCalibration
  2. 相机/IMU标定
    1. 如何标定,标定所需文件
      * XX.bag:包含有图片信息和IMU数据的ROS包
      * camchain.yaml:包含相机的内参和畸变参数的文件
      * IMU.yaml:包含IMU的基本参数,噪音等
      * target.yaml:标定目标板的参数
    2. 之前说过需要打印一个棋盘格,kalibr也提供一种制作方式,
      kalibr_create_target_pdf --type apriltag --nx [NUM_COLS] --ny [NUM_ROWS] --tsize [TAG_WIDTH_M] --tspace [TAG_SPACING_PERCENT]

      将生成的pdf打印出来,置于平稳,光照充足的地方,注意要保持平整。Kalibr作者推荐将camera固定,然后移动标定板,这样可以提高标定的稳定性,但是鉴于我使用场景受限,我使用的是晃动camera方法。

    3. 之后就可以开始录制bag了,使用
      rosbag record /camera/rgb/image_raw  /imu/data

      标定时注意激活所有的轴,即可录制包含三个topic的rosbag了。

      注意录制过程中camera不要距离标定板太近,否则会出现无法初始化focal length的错误。Kalibr是一个十分强大的工具箱,提供了很多工具。我们可以使用calibration validator进行标定的验证,原理是对重投影误差进行量化分析。大家可以自行验证。工具使用上一步骤的camera标定结果以及标定板的yaml文件,具体命令如下:

      kalibr_camera_validator --cam camchain.yaml --target target.yaml
      其中camchain.yaml为相机标定结果yaml,target.yaml为标定板yaml。部分资料可在以下链接下载:点击打开链接https://github.com/ethz-asl/kalibr/wiki/downloads

    4. 若对相机标定结果满意我们可以继续进行camera以及imu的联合标定步骤,此步使用了如下信息:

      1. 标定板yaml

      2. 相机标定结果yaml

      3. imu内参yaml

      4. 前面使用的对应bag

      有了如上材料即可进行联合标定,具体如下:
      kalibr_calibrate_imu_camera --target aprilgrid6x4.yaml --cam camchain-2017-07-07-09-13-29.yaml --imu imu.yaml --bag 2017-07-07-09-13-29.bag --bag-from-to 5 45
      最后的--bag_from_to是选取地5-45s的bag数据,去除了拾取防止设备产生的抖动部分影响。我们建议进行多组标定之后将标定结果进行最佳无偏估计,不建议对R部分直接取平均值,可以将多组数据的R部分转换成四元数。之后进行处理。
    5. 标定完成后一般会生成三个文件,其中一个,这里写图片描述
      因为可能存在的人为的安装问题,真实的IMU到相机的的转移矩阵可能不确定.由于没有准确的判定准则,故当前标定的结果,主要基于以下两个方面:
      * 真实的IMU坐标系和相机坐标系的转换,即相机和IMU的物理距离
      * 标定结果的稳定性上
  3. 未解决的部分
    1. 相机IMU之间的坐标平移矩阵没有获得;
    2. imu的标定没有完成。
    3. 标定完后,代码运行有所改善,但没有预想的好。
  4. 部分链接:
    1. 点击打开链接http://blog.csdn.net/binbin_sun/article/details/53791404
    2. 点击打开链接https://github.com/ethz-asl/kalibr/wiki/downloads
    3. http://blog.csdn.net/xu1129005165/article/details/52948992
    4. 点击打开链接http://blog.csdn.net/u013004597/article/details/51965940

你可能感兴趣的:(ROS)