imu和canmera標定
最近在研究imu和相機的聯合標定方法，根據網上查到的資料和github上的開源工具總結如下。
1、聯合標定的工具Kalibr
https://github.com/ethz-asl/kalibr
wiki寫的很全了，總結以下要點：
需要：
1、內參：尺度，軸偏差、非線性（應用到raw measurements）
2、陀螺儀和加速度計的噪聲和隨機遊走偏差
3、標定圖像，很成熟了，使用ros中的工具箱就行。
采集圖像：
需要激活所以的軸，20Hz的相機，200Hz的IMU
避免震動，看到有說法使用人手不行，需要機械臂
如果您正在使用具有對稱性的校準目標（棋盤，圓網格），則必須避免可能導致目標姿態估計中的翻轉的運動。 推薦使用Aprilgrid來完全避免這個問題。
中文博客教程：
https://blog.csdn.net/wwchen61/article/details/78013962
https://www.2cto.com/kf/201709/682389.html
https://blog.csdn.net/Binbin_Sun/article/details/53791404提到：
當前標定的結果,主要基於以下兩個方面判定:
* 真實的IMU坐標系和相機坐標系的轉換,即相機和IMU的物理距離
* 標定結果的穩定性上
標定的結果一直無法令人滿意:
可能的原因
選擇的內參數值
畸變系數的選擇
采集過程中出現的晃動
坐標系混亂
2、IMU內參標定工具imu_tk
wiki基本沒有。
詳細介紹：https://blog.csdn.net/haoliliang88/article/details/76737960
關於IMU誤差的講解：https://www.cnblogs.com/buxiaoyi/p/7541974.html（推薦）
總結優化的方法：
加速度計： 偏差Bias，3個（六面法最小二乘問題）
尺度因子，3個
軸向偏差，3個
陀螺儀： 偏差Bias+高斯噪聲（Allan方差），3個
尺度因子，3個
軸向偏差，6個
泡泡機器人上的更為詳細講解：http://rosclub.cn/post-221.html
這個是使用matlab，不過我不太想用matlab（雙系統每個系統一個matlab，想想就可怕），其中的理論還是可以看看的：
https://blog.csdn.net/qq541317072/article/details/70314841
加速度計：十面球形校準（重力加速度應該在球面上）
程序的輸出是矩陣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。采集數據時要註意，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。
校準的過程：
靜置IMU T（一般取50s）。
旋轉IMU使其保持不同的姿態。
在某種姿態下，至少保持t（一般取1~4）s。
是否旋轉IMU N（一般選36~50）次。
用算法估計誤差參數
最後可以根據殘差（residual）來挑選最終結果
要保證旋轉過程有明顯的加速減速過程，可以使用6面法校準，多旋轉幾次避免奇異性。要註意參數的初始值的設定，如果設置不好會很大程度影響結果。
附上我這拙劣的操作：
3、噪聲和隨機遊走的標定（Allan方差）
https://github.com/rpng/kalibr_allan（matlab）
https://github.com/gaowenliang/imu_utils（ROS)
可以看他們的wiki很詳細，也可以看之前藍色推薦的那個，也有講。
後者是港科大推薦的，需要裝一個code_utils都在他的github上。
一般這些開源代碼不是有例程就有詳細的說明，提供參考。
本文都是網上的資料總結而成，如若有誤，多多包含，再次感謝這些大佬分享。
---------------------
作者：啊啦啦工業
來源：CSDN
原文：https://blog.csdn.net/OKasy/article/details/79864573
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！
imu和canmera標定