Imu_tk算法流程及数据采集要求和标定程序参数设置
Imu_tk算法流程
由于VIO中,普遍使用的是精度较低的imu,所以其需要一个较为准确的内参数和noise的估计。Noise大家通常使用Allan方差进行估计可以得到较为可信的结果,这里不赘述了。内参数标定比较方便的一个工具就是imu_tk。所以本篇文章主要详细介绍一下imu_tk的算法流程以及使用时的注意事项。下一篇的内容 计划是imu-camera外参数的标定方法。
首先分步介绍算法流程:
1. 读入数据,将时间单位转化为秒
2. 设置初始参数和标定算法的控制参数
3. 开始标定
3.1 标定加速度计
首先调用initiInterval函数,返回前50s(默认是30s)的数据的index
计算初始的init_static_interval的方差,定义为norm_th
For循环:th_mult=2:10
{利用大小为101的滑动窗口搜索静止区间:如果该滑动窗口内的加速度计读数的方差小于th_mult*norm_th,则认为是静止区间
提取出静止区间内的加速度计读数。如果某个区间的大小小于初始设置的interval_n_samples_(默认是100)则去除该静止区间;注意,如果初始参数中acc_use_means_为true,则在静止区间内只取所有读数的平均值作为static_sample,且其时间戳为静止区间的时间戳的中值。否则保存所有的静止区间内的sample。如果提取出的静止区间个数小于初始设置的min_num_intervals_(默认是12),则认为采集的数据不足以标定imu,则程序退出。
构造目标函数:g-unbiasnorm(acc_samples),其中前者为初始设置的重力加速度值,后者为去除bias以后的加速度计读数的norm。因为如果imu静止,则其加速度计的读数的模应当等于重力加速度的值。
利用ceres最小化目标函数得到加速度计的九个参数。并利用标定得到的参数将加速度计的raw_data进行修正。
}
th_mult在2~10时最小的估计误差对应的参数为最准的加速度计标定参数,同时保存该参数对应的static_interval。
3.2 标定陀螺仪
根据加速度计的标定结果,提取static_sample。
根据初始的50s的陀螺仪读数,估计陀螺仪的bias。
利用上步得到的bias矫正陀螺仪读数。
根据提取的static_interval找到运动区间的start_index和end_index。
构造目标函数:integrate_R’*g_start-g_end。其中g_start和g_end均是归一化后的向量。因为在imu运动区间内,两帧加速度计的读数之间应当是两帧间imu的旋转,也就是imu的陀螺仪积分后得到的结果。
利用ceres最小化目标函数得到陀螺仪的十二个参数。注意,如果初始optimize_gyro_bias_为true,则在矫正陀螺仪读数后仍然需要标定bias参数,否则返回初始读数估计得到的bias。gyro_dt_如果为-1,则利用两帧陀螺仪的timestamp进行积分,否则利用gryo_dt给定的时间间隔进行积分。
注意事项:
1. 标定时,首先需要将imu静止一段时间,根据程序可知,至少需要静止50s以上。
2. 由于程序中检测静止区间的滑动窗口大小为101,所以每次静止时间需要超过100帧数据
3. 由于程序中检测静止区间时,需要至少end_index开始的滑动窗口内的方差大于2倍的静止方差,所以每两次静止区间之间的运动时间不能太短,且最好是有明显的加速或减速运动。最好运动时间超过100帧。
4. 由于程序中需要检测到的静止区间数大于12,且论文中提到静止区间为30+~40+次时,精度较好。所以需要有大概30多次的静止区间。
5. 静止区间内尽量保证imu是静止不动的。初始的1分钟中内尤其要保持imu静止,以得到较好的norm_th的估计和gyro_bias的估计。
参考文献:
Tedaldi D, Pretto A, Menegatti E. A robust and easy to implement method for IMU calibration without external equipments[C]//2014 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2014: 3042-3049.
test_imu_calib.cpp
需要修改代码里的offset和scale,把offset设置为0,把scale设置为1
init_acc_calib.setBias( Vector3d(, , ) );
init_gyro_calib.setScale( Vector3d(1.0, 1.0, 1.0) );
Imu_tk算法流程及数据采集要求和标定程序参数设置的更多相关文章
- 双目深度估计传统算法流程及OpenCV的编译注意事项
起因: 1. 双目立体视觉中双目深度估计是非常重要且基础的部分,而传统的立体视觉的算法基本上都在opencv中有相对优秀的实现.同时考虑了性能和效率.因此,学习使用opencv接口是非常重要的. 2. ...
- 深度学习(一)——CNN算法流程
深度学习(一)——CNN(卷积神经网络)算法流程 参考:http://dataunion.org/11692.html 0 引言 20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感 ...
- Adaboost算法流程及示例
1. Boosting提升方法(源自统计学习方法) 提升方法是一种常用的统计学习方法,应用十分广泛且有效.在分类问题中,它通过改变训练样本的权重,学习多个分类器,并将这些分类器进行线性组合,提高分类的 ...
- Zbar算法流程介绍
博客转载自:https://blog.csdn.net/sunflower_boy/article/details/50783179 zbar算法是现在网上开源的条形码,二维码检测算法,算法可识别大部 ...
- PBFT && RBFT算法流程
PBFT && RBFT算法流程以及其实现(上) 这篇文章主要是讲一下RBFT中共识算法流程以及节点的加入的流程.在下一篇博客中,将使用Java实现该算法. 传统的PBFT算法无法动态 ...
- AI系统——机器学习和深度学习算法流程
终于考上人工智能的研究僧啦,不知道机器学习和深度学习有啥区别,感觉一切都是深度学习 挖槽,听说学长已经调了10个月的参数准备发有2000亿参数的T9开天霹雳模型,我要调参发T10准备拿个Best Pa ...
- SSL/TLS算法流程解析
SSL/TLS 早已不是陌生的词汇,然而其原理及细则却不是太容易记住.本文将试图通过一些简单图示呈现其流程原理,希望读者有所收获. 一.相关版本 Version Source Description ...
- [java大数据面试] 2018年4月百度面试经过+三面算法题:给定一个数组,求和为定值的所有组合.
给定一个数组,求和为定值的所有组合, 这道算法题在leetcode应该算是中等偏下难度, 对三到五年工作经验主要做业务开发的同学来说, 一般较难的也就是这种程度了. 简述经过: 不算hr面,总计四面, ...
- Python多继承解析顺序的C3线性算法流程解析
Python多继承MRO 在Python2.1中,采用了经典类,使用深度优先算法解析. Python2.2中,引入了新式类,使用深度优先算法和广度优先算法. 在Python2.3以后的版本中,经典类和 ...
随机推荐
- redis 频率限制
方式1: $redis = new Redis(); //以自然时间控制 一自然分钟内超过100次进行限制, 屏蔽多久的时间必须为计数key时间的倍数 $key = 'xxxx'.date('Y-m- ...
- 天猫魔盒1代TMB100E刷机, 以及右声道无声的问题
这个是在小米盒子1代之后买的, 当时速度比小米盒子快, 除了遥控器比较软, 电池盖不太对得齐以外, 用起来还不错. 但是时间长了之后总是不停自己升级, 自己安装一些应用, 还删不了, 要知道这个盒子的 ...
- Visual Studio开发工具升级注意事项
由于前几年公司开发的系统使用的开发工具版本不统一,现在后期维护升级在开发人员的电脑上要同时安装好几个不同的开发工具, 比如VS2008,VS2010,VS2012,甚至还有用VS2003开发的接口之类 ...
- 完美的代码生成器SNF.CodeGenerator-快速开发者的利器--SNF快速开发平台3.1
第1章 SNF.CodeGenerator代码生成器简介 本项目是完全基于Spring.Net.Framework 平台进行研发.与Spring.Net.Framework平台无缝衔接.并支持模型层. ...
- 第三部分:Android 应用程序接口指南---第二节:UI---第八章 Toast通知
第8章 Toast通知 Toast通知是在窗口前面弹出的信息.它只占有信息所需要的空间量,并且用户当前的activity仍然是可见的.可互动的.这种通知自动地淡入和淡出,它不接受交互事件.他相当于一种 ...
- Spring Boot 2.0 整合 FreeMarker 模板引擎
本篇博文将和大家一起使用Spring Boot 2.0 和FreeMarker 模板引擎整合实战. 1. 创建新的项目 2. 填写项目配置信息 3. 勾选web 模块 4. 勾选freemarker模 ...
- [DIOCP视频]-DIOCPFileServer视频
本次视频简单讲解了DiocpFileServer + 客户端使用接口方式,通信方面可以方便的在DiocpBlockTcpClient和IdTcpClient组件之间切换. + 添加单独的EXE客户端( ...
- 前端异常监控 - BadJS
前端异常监控 - BadJS 简介:BadJS 是 web 前端异常监控解决方案,提供一种 web 页面的脚本错误监控.上报.统计.查看等系统化的跟踪解决方案.目前BadJS覆盖了腾讯课堂.公众号.邮 ...
- Java知多少(54)断言详解
断言的概念 断言用于证明和测试程序的假设,比如“这里的值大于 5”.断言可以在运行时从代码中完全删除,所以对代码的运行速度没有影响. 断言的使用 断言有两种方法: 一种是 assert<< ...
- Redis介绍以及安装(Linux)
Redis介绍以及安装(Linux) redis是当前比较热门的NOSQL系统之一,它是一个key-value存储系统.和Memcached类似,但很大程度补偿了memcached的不足,它支持存储的 ...