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-devsudo apt-get install libblas-devsudo 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: 640ImageSizeY: 480

      成功编译后，进入cameracalibrator.launch修改输入topic ：

      <?xml version="1.0"?><launch>   <include  file="$(find openni2_launch)/launch/openni2.launch" />   <node name="image_proc" pkg="image_proc" type="image_proc" ns="camera">       <remap from="camera_info" to="/camera/rgb/image_info" />       <remap from="image_raw" to="/camera/rgb/image_raw" />       <remap from="image_mono" to="/mono_image" />   </node>   <node name="cameracalibrator" pkg="ptam" type="cameracalibrator" clear_params="true" output="screen">   <!--     <remap from="image" to="/camera/rgb/image_raw" /> -->        <remap from="image" to="/mono_image" />        <remap from="pose" to="pose"/>    <rosparam file="$(find ptam)/PtamFixParams.yaml"/>   </node></launch>
      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,
      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