D435i相机的标定及VINS-Fusion config文件修改(最详细、最完整的相机标定讲解)

D435i相机的标定及VINS-Fusion config文件修改 引言

推荐整理分享D435i相机的标定及VINS-Fusion config文件修改(最详细、最完整的相机标定讲解)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:相机标定流程,相机标定csdn,相机标定过程,相机标定过程,realsense d435相机标定,dlt相机标定,相机标定参数怎么用,相机标定参数怎么用,内容如对您有帮助，希望把文章链接给更多的朋友！

当我们想使用D435i相机去跑VINS-Fusion时，如果不把标定过的相机信息写入config文件中就运行，这样运动轨迹会抖动十分严重，里程计很容易漂。接下来将介绍如何标定D435i相机，并设置VINS-Fusion的config文件。

一 标定前的准备工作

在标定前我们需要查看相机的加速度在静止时是否正常，标准是加速度计的N：9.8左右。 通过打开realsense-viewer，点击Motion Module按键，然后放在Accel上观察。 如果你的此数值不在9.8附近，就需要对IMU进行校准，不然最后运行VINS-Fusion会发生抖动。

1.1校准IMU

若IMU加速度计正常，可跳过下面的校准过程。 realsense官方给了进行IMU校准的方法，参考网址为：https://dev.intelrealsense.com/docs/imu-calibration-tool-for-intel-realsense-depth-camera 下载对应的pdf文件，直接从第三节开始看即可。 校准完会发现加速度计的值在9.8左右，恢复正常。

1.2检查相机的健康状态

参考realsense官网给出的相机健康检查方法 https://www.intelrealsense.com/best-known-methods-for-optimal-camera-performance-over-lifetime 具体的校准方法在第三节部分，如下图所示 具体步骤参考官方教程

二 D435i相机标定2.1 标定工具准备2.1.1 code_utils

1.创建工作空间，将code_utils及imu_utils放入其中，工作空间名称自己定（当然也可以放在你已有的工作空间内）。这两个工具都是imu标定需要用到的，可以标定出imu的噪声密度和随机游走。

mkdir -p ~/catkin_ws/srccd ~/catkin_ws/srccatkin_init_workspacecd ..catkin_make

2.下载编译code_utils

cd ~/catkin_ws/srcgit clone https://github.com/gaowenliang/code_utils.gitcd ..catkin_make2.1.2 imu_utilscd ~/catkin_ws/srcgit clone https://github.com/gaowenliang/imu_utils.gitcd ..catkin_make2.1.3 Kalibr

参考官方的Installation步骤 https://github.com/ethz-asl/kalibr/wiki/installation

2.2 IMU标定

1.找到你安装的realsense-ros包，复制launch文件中的rs_camera.launch文件，并重命名为rs_camera2.launch（命名自定），修改如下的参数： 修改前：

<arg name="unite_imu_method" default=""/>

修改后

<arg name="unite_imu_method" default="linear_interpolation"/>

修改该参数的目的是为了将加速度计（accel）和陀螺仪（gyro）的数据合并得到imu话题。

运行相机启动文件

roslaunch realsense2_camera rs_camera2.launch

2.打开~/catkin_ws/src/imu_utils/launch（参考自己的安装路径），在此位置打开终端并运行命令

gedit d435i_imu_calibration.launch

写入如下内容：

<launch> <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"> <!--TOPIC名称和上面一致--> <param name="imu_topic" type="string" value= "/camera/imu"/> <!--imu_name 无所谓--> <param name="imu_name" type="string" value= "d435i"/> <!--标定结果存放路径--> <param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/> <!--数据录制时间-min--> <param name="max_time_min" type="int" value= "50"/> <!--采样频率，即是IMU频率，采样频率可以使用rostopic hz /camera/imu查看，设置为200，为后面的rosbag play播放频率--> <param name="max_cluster" type="int" value= "200"/> </node></launch>

在imu_utils下创建data文件夹，标定结果将存放到此处。 3.录制数据包，将realsense相机静止放置，放置时间要略大于d435i_imu_calibration.launch中设置的录制时间，即大于50min（参考别的博客有设置120min的，也有50min的，经过自己测试50min是可以的）

rosbag record -O imu_calibration /camera/imu

其中imu_calibration是录制bag包的名字，可自己定义，录制的包会生成在当前终端的目录下，/camera/imu是相机发布的IMU话题。

4.运行标定程序

cd /catkin_wssource ./devel/setup.bashroslaunch imu_utils d435i_imu_calibration.launch

5.打开新终端，播放录制的数据包

cd 数据包所在路径rosbag play -r 200 imu_calibration.bag

标定结束后，我们打开/catkin_ws/src/imu_utils/data，其中d435i_imu_param.yaml是我们需要的结果，内容如下：

%YAML:1.0---type: IMUname: d435iGyr: unit: " rad/s" avg-axis: gyr_n: 1.9243758665672117e-03 gyr_w: 2.7254175454049154e-05 x-axis: gyr_n: 1.7617583709168296e-03 gyr_w: 3.4288470593085246e-05 y-axis: gyr_n: 2.5899357735630793e-03 gyr_w: 3.5865484306354172e-05 z-axis: gyr_n: 1.4214334552217264e-03 gyr_w: 1.1608571462708043e-05Acc: unit: " m/s^2" avg-axis: acc_n: 1.6855999652754222e-02 acc_w: 7.0793241968111124e-04 x-axis: acc_n: 1.1503084845270073e-02 acc_w: 5.7285080233574772e-04 y-axis: acc_n: 1.7596343469737430e-02 acc_w: 8.4920699202932677e-04 z-axis: acc_n: 2.1468570643255160e-02 acc_w: 7.0173946467825925e-042.3 相机标定

1.自己下载打印标定板或购买标定板 进入https://github.com/ethz-asl/kalibr/wiki/downloads 但是我选择的Aprilgrid 6x6 0.5x0.5 m已经无法下载了，但不要怕，官方还给我们指令生成标定板的方法，参考https://github.com/ethz-asl/kalibr/wiki/calibration-targets 在kalibr文件路径下运行指令：

source ./devel/setup.bashkalibr_create_target_pdf --type apriltag --nx 6 --ny 6 --tsize 0.055 --tspace 0.3

即可在该路径下生成标定板pdf文件，打印时缩放40%。 打印出来后的格子参数为： 大格子边长：2.2cm 小格子边长：0.66cm 小个子与大格子边长比例：0.3 新建april_6x6_A4.yaml文件，内容如下：

target_type: 'aprilgrid' #gridtypetagCols: 6 #number of apriltagstagRows: 6 #number of apriltagstagSize: 0.022 #size of apriltag, edge to edge [m]tagSpacing: 0.3 #ratio of space between tags to tagSize

2.关闭相机的结构光 相机启动默认打开结构光，此时双目图像会有很多点，会对标定有影响，所以我们需要关闭结构光。 关闭结构光的两种方法： （1）方法一： 先启动

roslaunch realsense2_camera rs_camera.launch

新开终端，运行

rosrun rqt_reconfigure rqt_reconfigure

打开后将camera->stereo_module中的emitter_enabled设置为off(0) ，如下图所示： （2）方法二： 打开终端，运行realsense-viewer

realsense-viewer

3.将相机对准标定板准备标定 打开新终端，运行rviz

rviz

添加rgb相机和双目对应的话题，/camera/color/image_raw、/camera/infra1/image_rect_raw、/camera/infra2/image_rect_raw 效果如下： 开始移动相机，同时确保标定板一直在三个图像中，录制过程参考官方操作https://www.youtube.com/watch?app=desktop 步骤如下： （1）俯仰角摆动3次 （2）偏航角摆动3次 （3）翻滚角摆动3次 （4）上下移动3次 （5）左右移动3次 （6）前后移动3次 （7）自由移动，摆动幅度大一些，但要移动缓慢些，使得标定目标尽可能出现在相机的所有视野范围内 整体标定时间在90s以上

4.修改相机帧数 官方推荐4Hz，通过如下命令更改topic发布频率

rosrun topic_tools throttle messages /camera/color/image_raw 4.0 /colorrosrun topic_tools throttle messages /camera/infra1/image_rect_raw 4.0 /infra_leftrosrun topic_tools throttle messages /camera/infra2/image_rect_raw 4.0 /infra_right

5.录制ROS bag

rosbag record -O multicameras_calibration_biaoding /infra_left /infra_right /color

/infra_left 、/infra_right、 /color为频率转换后的topic

6.使用Kalibr进行标定

cd kalibr_workspace/source ./devel/setup.bashkalibr_calibrate_cameras --target ~/kalibr_workspace/april_6x6_A4.yaml --bag ~/multicameras_calibration_biaoding.bag --models pinhole-radtan pinhole-radtan pinhole-radtan --topics /infra_left /infra_right /color --bag-from-to 10 145 --show-extraction --approx-sync 0.04

其中–target ~/kalibr_workspace/april_6x6_A4.yaml是标定板的配置文件 –bag ~/multicameras_calibration_biaoding.bag是录制的ROS bag数据包 –models pinhole-radtan pinhole-radtan pinhole-radtan表示三个摄像头的相机模型和畸变模型（VINS使用的畸变模型为radtan） –topics /infra_left /infra_right /color表示双目相机和rgb相机的话题 –bag-from-to 10 145表示处理bag中10s-145s的数据（根据自己录制的数据包时间设置，rosbag info 你自己的数据包 即可查看数据包信息） –show-extraction表示显示检测特征点的过程 得到三个文件 查看results-cam-homeubuntumulticameras_calibration_biaoding.txt中的重投影误差reprojection error数值是多少，理想范围是0.1-0.2。

2.4 IMU+双目相机联合标定

1.编写chain_biaoding.yaml文件 格式参考Kalibr官方https://github.com/ethz-asl/kalibr/wiki/yaml-formats 中的chain.yaml 文件中的参数需要根据之前相机标定的参数进行修改，示例如下：

cam0: camera_model: pinhole distortion_coeffs: [0.002403959808138445, 0.001212094600722141, 0.0027975318922339606, 0.0013305451339391025] distortion_model: radtan intrinsics: [389.1883630968763, 389.9466918297371, 322.6505040434058, 244.3879141231001] resolution: [640, 480] rostopic: /infra_leftcam1: T_cn_cnm1: - [0.9999926028685168, -0.001487673332607009, -0.0035469756557070867, -0.04984719672282643] - [0.0014555068111333671, 0.9999579513465346, -0.00905411722710673, -0.0008787616669883903] - [0.0035602960789059574, 0.009048887605385341, 0.9999527198447602, -0.001377119612210997] - [0.0, 0.0, 0.0, 1.0] camera_model: pinhole distortion_coeffs: [0.0030741870441258153, -0.0007281728041349596, 0.005821862258640268, 0.002985916170301623] distortion_model: radtan intrinsics: [388.3951195864708, 388.5489092325429, 324.7077416689968, 248.62827656157992] resolution: [640, 480] rostopic: /infra_right

T_cn_cnm1表示的是左目相机到右目相机的旋转和平移，参考之前相机标定的结果。

2.编写imu_biaoding.yaml 格式参考https://github.com/ethz-asl/kalibr/wiki/yaml-formats 中的imu.yaml，文件中的参数参考之前imu标定得到的参数，示例如下：

#Accelerometersaccelerometer_noise_density: 1.6855999652754222e-02 #Noise density (continuous-time)accelerometer_random_walk: 7.0793241968111124e-04 #Bias random walk#Gyroscopesgyroscope_noise_density: 1.9243758665672117e-03 #Noise density (continuous-time)gyroscope_random_walk: 2.7254175454049154e-05 #Bias random walkrostopic: /imu #the IMU ROS topicupdate_rate: 200.0 #Hz (for discretization of the values above)

3.准备好之前的april_6x6_A4.yaml

target_type: 'aprilgrid' #gridtypetagCols: 6 #number of apriltagstagRows: 6 #number of apriltagstagSize: 0.022 #size of apriltag, edge to edge [m]tagSpacing: 0.3 #ratio of space between tags to tagSize# codeOffset: 0 #code offset for the first tag in the aprilboard

4.修改之前rs_camera2.launch中的文件，内容如下： （1）imu和双目数据时间对齐

<arg name="enable_sync" default="true"/>

（2）合并加速度计和陀螺仪的topic（之前设置过了，再检查一下）

<arg name="unite_imu_method" default="linear_interpolation"/>

5.启动realsense相机

roslaunch realsense2_camera rs_camera2.launch

6.关闭结构光 参考2.3

7.打开rviz 添加imu、infra1和infra2的话题，同时调整相机位置，保证双目图像一直包含标定板的全部内容

8.调整imu和双目的话题发布频率并以新的话题发布

rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 20.0 /infra_leftrosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20.0 /infra_rightrosrun topic_tools throttle messages /camera/imu 200.0 /imu

9.录制ROS bag数据包 录制过程和之前相机的相同，只是录制命令不同：

rosbag record -O imu_stereo_biaoding.bag /infra_left /infra_right /imu

10.录制完毕后开始标定 将准备的文件放在kalibr_workspace文件夹下，包括chain_biaoding.yaml、imu_biaoding.yaml、april_6x6_A4.yaml和imu_stereo_biaoding.bag 标定命令如下：

kalibr_calibrate_imu_camera --bag imu_stereo_biaoding.bag --cam chain_biaoding.yaml --imu imu_biaoding.yaml --target april_6x6_A4.yaml --bag-from-to 10 140 --show-extraction

最终的到结果如下： 标定结果好坏查看results-imucam-imu_stereo_biaoding.txt中的重投影误差Reprojection error，两个相机的数值都在0.15以下说明标定结果良好

三 VINS-Fusion config文件修改

1.根据联合标定结果中的camchain-imucam-imu_stereo_biaoding.yaml和imu-imu_stereo_biaoding.yaml文件修改realsense_stereo_imu_config.yaml 标定结果如下图： realsense_stereo_imu_config.yaml修改后效果如下：

%YAML:1.0#common parameters#support: 1 imu 1 cam; 1 imu 2 cam: 2 cam; imu: 1 num_of_cam: 2 imu_topic: "/camera/imu"image0_topic: "/camera/infra1/image_rect_raw"image1_topic: "/camera/infra2/image_rect_raw"output_path: "/home/rgmj/VINS_output"cam0_calib: "left2.yaml"cam1_calib: "right2.yaml"image_width: 640image_height: 480# Extrinsic parameter between IMU and Camera.estimate_extrinsic: 1 # 0 Have an accurate extrinsic parameters. We will trust the following imu^R_cam, imu^T_cam, don't change it. # 1 Have an initial guess about extrinsic parameters. We will optimize around your initial guess.body_T_cam0: !!opencv-matrix # 坐在body(imu)坐标系观察cam0的位姿变换 rows: 4 cols: 4 dt: d data: [ 0.9999993832317373, 0.0009498105637405862, -0.0005756700769978489, -0.004096761362748715, -0.0009472848529416895, 0.9999069833564751, 0.0043719340357627045, 0.007922599699420767, 0.0005798168261883756, -0.004371386015748314, 0.9999902773511096,0.021127332420393354, 0.0, 0.0, 0.0, 1.0 ]body_T_cam1: !!opencv-matrix rows: 4 cols: 4 dt: d data: [ 0.9999926149847198, 0.0024104887232695715, 0.002993245752838787, 0.04566374129029725, -0.002450443436845407, 0.9999069833564751, 0.013417151781077788, 0.008603776023262497, -0.002960625438098929, -0.013424387474616776, 0.9999055057943959, 0.022560558159854246, 0.0, 0.0, 0.0, 1.0 ]#Multiple thread supportmultiple_thread: 1#feature traker paprametersmax_cnt: 150 # max feature number in feature trackingmin_dist: 30 # min distance between two features freq: 10 # frequence (Hz) of publish tracking result. At least 10Hz for good estimation. If set 0, the frequence will be same as raw image F_threshold: 1.0 # ransac threshold (pixel)show_track: 1 # publish tracking image as topicflow_back: 1 # perform forward and backward optical flow to improve feature tracking accuracy#optimization parametersmax_solver_time: 0.04 # max solver itration time (ms), to guarantee real timemax_num_iterations: 8 # max solver itrations, to guarantee real timekeyframe_parallax: 10.0 # keyframe selection threshold (pixel)#imu parameters The more accurate parameters you provide, the better performanceacc_n: 0.016855999652754222 # accelerometer measurement noise standard deviation. #0.2 0.04gyr_n: 0.0019243758665672117 # gyroscope measurement noise standard deviation. #0.05 0.004acc_w: 0.0007079324196811112 # accelerometer bias random work noise standard deviation. #0.002gyr_w: 2.7254175454049154e-05 # gyroscope bias random work noise standard deviation. #4.0e-5g_norm: 9.805 # gravity magnitude#unsynchronization parametersestimate_td: 1 # online estimate time offset between camera and imutd: 0.00 # initial value of time offset. unit: s. readed image clock + td = real image clock (IMU clock)#loop closure parametersload_previous_pose_graph: 0 # load and reuse previous pose graph; load from 'pose_graph_save_path'pose_graph_save_path: "/home/rgmj/VINS_output/pose_graph/" # save and load pathsave_image: 1 # save image in pose graph for visualization prupose; you can close this function by setting 0

（1）cam0：T_cam_imu表示的是imu到相机的变换矩阵，我们填写到body_T_cam0的矩阵应该是相机到imu的矩阵，所以对T_cam_imu矩阵取逆，，因为旋转矩阵是正交矩阵，它的逆矩阵就等于它的转置矩阵，平移向量的逆，三轴取反就可以了，cam1的同理 （2）加速度计和陀螺仪的噪声和随机游走填入相应位置

2.修改config文件中的相机配置文件left.yaml和right.yaml 根据camchain-imucam-imu_stereo_biaoding.yaml中的相机内参和畸变参数进行修改，结果如下： （1）left.yaml

%YAML:1.0---model_type: PINHOLEcamera_name: cameraimage_width: 640image_height: 480distortion_parameters: k1: 0.002403959808138445 k2: 0.001212094600722141 p1: 0.0027975318922339606 p2: 0.0013305451339391025projection_parameters: fx: 389.1883630968763 fy: 389.9466918297371 cx: 322.6505040434058 cy: 244.3879141231001

（3）right.yaml

%YAML:1.0---model_type: PINHOLEcamera_name: cameraimage_width: 640image_height: 480distortion_parameters: k1: 0.0030741870441258153 k2: -0.0007281728041349596 p1: 0.005821862258640268 p2: 0.002985916170301623projection_parameters: fx: 388.3951195864708 fy: 388.5489092325429 cx: 324.7077416689968 cy: 248.62827656157992四 运行VINS-Fusion

1.启动相机

cd ~/catkin_wssource ./devel/setup.bashroslaunch realsense2_camera rs_camera2.launch

2.新开一个终端，启动rviz 我的VINS-Fusion放在工作空间vins_fusion_ws中

cd vins_fusion_wssource ./devel/setup.bashroslaunch vins vins_rviz.launch

3.再新开一个终端，运行起来

cd vins_fusion_wssource ./devel/setup.bashrosrun vins vins_node ~/vins_fusion_ws/src/VINS-Fusion/config/realsense_d435i/realsense_stereo_imu_config.yaml

参考文章：https://blog.csdn.net/qq_40186909/article/details/113104595