相机和imu标定

目的：

• 得到imu和相机的空间变换，和时间戳延迟

细节：

• 使用kalibr

结果：

• 角度的标定非常稳定
• 平移的标定非常tricky，因为使用不用imu噪音参数的时候，能到完全不同的平移量。所以个人建议只是用标定出来的角度，平移量通过物理测量得到。或者先通过已知外参的架子上，通过调整噪音参数让算法输出的平移量准确。然后用这组噪音参数来标定其他外参的设备。当然前提是使用的相同的imu和相机。
• 时延的标定也非常准
  • kalibr提供了多个相机和IMU之间的空间和时间标定算法，时间上可以标定出相机和IMU时间戳的延时，如果是rolling shutter的相机，还可以标定出相机每一行扫描和imu的时延。不过这篇文章研究的是global shutter，所以是相机和imu整体的时延。
  • kalibr计算相机IMU时延的原理是：计算出imu得到的角速度变化曲线，和相机得到的角速度变换曲线。通过在时间上对齐这两个曲线，得到相机和IMU的时延。

  • 这里测试思路是：通过改变rosbag的消息的时间戳和header的时间戳。人为修改时间戳，也就是人为引入已知的时延。然后看算法能否正确计算出这个已知的时延。

    • 修改ros消息发送时间不会改变计算出来的时延，说明算法不是简单的用发送消息时间和header时间戳来计算时延。
    • 修改header中的时间戳，不管修改图像的时间戳还是imu的，都能改变算法的评估结果。
    • 将下一帧的图像放入上一帧的消息中，也就是保持消息时间不变，但是实际内容是一帧之后的内容，算法的评估结果改变。
    • 算法结果和认为引入的真值之间误差小于1ms。

讨论：

• 这种需要手摇的室内的标定其实在自动驾驶领域不太有用。因为imu和cam可能分布在车的不同地方，车是摇不动的。所以还是需要一个在线标定的程序。
• 最好使用二维码的标定板，因为可以放心的晃动imu，不用担心标定版不完整的问题。
• 晃动一定要多样化，幅度要够大。