上一次主要講了關於雙目標定過程中一些需要注意的問題，在視覺slam中，很重要的一個方向是視覺與IMU的融合，因此也就有了很多相機與IMU融合的硬體。這次就來講講VIO硬體的標定，和雙目類似的，在這個標定中我們最終需要得到IMU相對於相機的rotation和translation，IMU與相機資料的延時，以及IMU本身的一些“內參”，如加速度計、陀螺儀的bias，noise等。目前標定功能較齊全的是linux下的kalibr工具箱，matlab中程式碼比較零散，沒有一個整合的toolbox，因此本篇先總結一下matlab的使用，下次繼續講講kalibr的使用方法。

        在基於matlab的標定方法中，我們關注以下兩個點的標定：IMU相對於相機的旋轉矩陣和IMU中加速度計Bias。

1.加速度計Bias標定

        加速度計Bias的標定是相對較簡單的，原理是利用重力加速度的不變性，通過硬體姿態的變換，獲得硬體在不同方向上重力加速度的測量值。具體做法是讓硬體在某一位置保持靜止，記錄此時加速度計讀數，變換硬體姿態後重覆上述過程。最終我們得到了多組加速度計資料。在硬體本體座標系上看，每一次測量向座標系中添加了一個長度為重力g的向量，所有的資料點應該在一個球面上，通過球形擬合，找到球心位置，球心位置和原點的偏差即加速度計bias。為了使標定結果更精確，資料應在各個方向分佈較均勻，且數量不能太少。另外，我們也可以使用Balaji Kumar的標定程式，參考文章Iuri Frosio, Federico Pedersini, N. Alberto Borghese "Autocalibration of MEMS Accelerometers" IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, VOL. 58, NO. 6, JUNE 2009 。這個標定程式需要輸入十組加速度計測量資料，因此我們通常稱其為十位置法。程式的輸出是矩陣M和B，M是一個3*3的矩陣，表示三軸加速度計各方向的關聯（理想情況該矩陣為單位陣），B是3*1的矩陣即各方向bias。採集資料時要注意，保證重力加速度分別指向+-x、+-y、+-z六個方向，獲得較為準確的標定結果。

2.IMU與相機RotationMatrix標定

        使用Jorge Lobo的標定程式，該程式基於上次講過的matlab標定工具箱。程式下載：http://home.deec.uc.pt/~jlobo/InerVis_WebIndex/InerVis_Toolbox.html

        標定流程如下：

        a.資料採集。保證標定版豎直放置，採集資料過程中硬體保持靜止，變換不同姿態位置，每一個位置影象資料與十個IMU資料相對應，儲存。

        b.資料處理。假設採集二十張圖片，需要有20個與之對應的IMU資料檔案，每一個檔案中有十個I加速度計資料。

        c.單目相機標定。流程同上一講。在完成單目標定後，儲存標定結果Calib_Results.mat檔案。

        d.將前面標定得到的矩陣M和B寫入程式load_imu_w.m中，執行rvctools中的startup_rvc.m載入數學函式。將IMU資料檔案和相機標定結果放入相應路徑（imucam中）。

        e.執行imucam.m，得到四元數q，即標定結果。

        注意事項：上面提到了標定版垂直和硬體靜止的問題，除此之外，需要注意加速度計測量值單位問題，以及IMU資料檔案命名。

        想了解方法原理的同學可參考作者的文章，Relative pose calibration between visual and inertial sensors.

-------------------------------------------------

        本篇就是這樣，下次總結一下kalibr的使用，kalibr功能更為強大，需要注意的問題也比較多，下次再見啦。

If you tame me, then we shall need each other.