VIO第2讲:IMU标定实验

VIO第2讲:IMU标定实验

文章目录

  • VIO第2讲:IMU标定实验
  • 5 IMU标定实验
    • 5.1 仿真数据产生
      • 5.1.1 c++代码分析
      • 5.1.2 生成ros包数据
    • 5.2 Allan方差实验(港科大imu_utils)
      • 5.2.1 安装
      • 5.2.2 运行
    • 5.3 Allan方差实验(matlab代码kalibr_allan)
      • 5.3.1 安装
      • 5.3.2 bag转mat
      • 5.3.3 运行标定

5 IMU标定实验

5.1 仿真数据产生

参考代码

5.1.1 c++代码分析

在这里插入图片描述

下面代码确实是高斯噪声连续到离散除以sqr(δt),偏差随机游走则是乘以sqr(δt)

void IMU::addIMUnoise(MotionData& data)
{std::random_device rd;std::default_random_engine generator_(rd());std::normal_distribution<double> noise(0.0, 1.0);   // 均值为0,标准差为1的正态分布// 将噪声添加到原始的陀螺仪数据Eigen::Vector3d noise_gyro(noise(generator_),noise(generator_),noise(generator_));Eigen::Matrix3d gyro_sqrt_cov = param_.gyro_noise_sigma * Eigen::Matrix3d::Identity();// w = w + cov(3*3)*noise_gyro(3*1)/sqrt(t) + bgdata.imu_gyro = data.imu_gyro + gyro_sqrt_cov * noise_gyro / sqrt( param_.imu_timestep ) + gyro_bias_;Eigen::Vector3d noise_acc(noise(generator_),noise(generator_),noise(generator_));Eigen::Matrix3d acc_sqrt_cov = param_.acc_noise_sigma * Eigen::Matrix3d::Identity();data.imu_acc = data.imu_acc + acc_sqrt_cov * noise_acc / sqrt( param_.imu_timestep ) + acc_bias_;// gyro_bias updateEigen::Vector3d noise_gyro_bias(noise(generator_),noise(generator_),noise(generator_));gyro_bias_ += param_.gyro_bias_sigma * sqrt(param_.imu_timestep ) * noise_gyro_bias;data.imu_gyro_bias = gyro_bias_;// acc_bias updateEigen::Vector3d noise_acc_bias(noise(generator_),noise(generator_),noise(generator_));acc_bias_ += param_.acc_bias_sigma * sqrt(param_.imu_timestep ) * noise_acc_bias;data.imu_acc_bias = acc_bias_;}

运动模型:利用p求出v,a;通过欧拉角的导数求出角速度w,根据时间变量t来产生数据。

MotionData IMU::MotionModel(double t)
{MotionData data;// paramfloat ellipse_x = 15;float ellipse_y = 20;float z = 1;           // z轴做sin运动float K1 = 10;          // z轴的正弦频率是x,y的k1倍float K = M_PI/ 10;    // 20 * K = 2pi   由于我们采取的是时间是20s, 系数K控制yaw正好旋转一圈,运动一周// translation // twb:  body frame in world frame// p v aEigen::Vector3d position( ellipse_x * cos( K * t) + 5, ellipse_y * sin( K * t) + 5,  z * sin( K1 * K * t ) + 5);Eigen::Vector3d dp(- K * ellipse_x * sin(K*t),  K * ellipse_y * cos(K*t), z*K1*K * cos(K1 * K * t));              // position导数 in world framedouble K2 = K*K;Eigen::Vector3d ddp( -K2 * ellipse_x * cos(K*t),  -K2 * ellipse_y * sin(K*t), -z*K1*K1*K2 * sin(K1 * K * t));     // position二阶导数// Rotationdouble k_roll = 0.1;double k_pitch = 0.2;Eigen::Vector3d eulerAngles(k_roll * cos(t) , k_pitch * sin(t) , K*t );   // roll ~ [-0.2, 0.2], pitch ~ [-0.3, 0.3], yaw ~ [0,2pi]Eigen::Vector3d eulerAnglesRates(-k_roll * sin(t) , k_pitch * cos(t) , K);      // euler angles 的导数//    Eigen::Vector3d eulerAngles(0.0,0.0, K*t );   // roll ~ 0, pitch ~ 0, yaw ~ [0,2pi]
//    Eigen::Vector3d eulerAnglesRates(0.,0. , K);      // euler angles 的导数// 角速度是通过欧拉角求导来得到的?Eigen::Matrix3d Rwb = euler2Rotation(eulerAngles);         // body frame to world frameEigen::Vector3d imu_gyro = eulerRates2bodyRates(eulerAngles) * eulerAnglesRates;   //  euler rates trans to body gyroEigen::Vector3d gn (0,0,-9.81);                                   //  gravity in navigation frame(ENU)   ENU (0,0,-9.81)  NED(0,0,9,81)Eigen::Vector3d imu_acc = Rwb.transpose() * ( ddp -  gn );  //  Rbw * Rwn * gn = gsdata.imu_gyro = imu_gyro;data.imu_acc = imu_acc;data.Rwb = Rwb;data.twb = position;data.imu_velocity = dp;data.timestamp = t;return data;}

5.1.2 生成ros包数据

  GitHub同时提供了ros代码,我们直接用这套代码生成相应的imu.bag

// ros还是cpp代码种原始设置的标准差都是下面数据// noise----离散时间噪声标准差double gyro_bias_sigma = 1.0e-5;    // δbg rad/sdouble acc_bias_sigma = 0.0001;     // δba m/(s^2)double gyro_noise_sigma = 0.015;    // rad/s     δgdouble acc_noise_sigma = 0.019;      // m/(s^2)  δa

  这里先直接给出利用imu_utils进行的一个标定结果,对于高斯噪声,数量级一致,但对于偏置随机游走,数量级差了10~100!总而言之,这种标定方法对于高斯白噪声即角度/速度随机游走的标定结果是可信的,但是对于偏置还是没有那么可信!

%YAML:1.0
---
type: IMU
name: vio_test
Gyr:unit: " rad/s"avg-axis:gyr_n: 2.1017740504505478e-01	gyr_w: 1.1046695141140115e-03x-axis:gyr_n: 2.0373831670509726e-01gyr_w: 8.5917637284818333e-04y-axis:gyr_n: 2.0848823537157685e-01gyr_w: 1.1543541527689969e-03z-axis:gyr_n: 2.1830566305849022e-01gyr_w: 1.3004780167248545e-03
Acc:unit: " m/s^2"avg-axis:acc_n: 2.6608701268913315e-01acc_w: 5.0312842533421255e-03x-axis:acc_n: 2.6703857869563274e-01acc_w: 5.4894453768553463e-03y-axis:acc_n: 2.6561748859645246e-01acc_w: 5.1153714824778724e-03z-axis:acc_n: 2.6560497077531420e-01acc_w: 4.4890359006931569e-03

5.2 Allan方差实验(港科大imu_utils)

Github

5.2.1 安装

sudo apt-get install libdw-dev

报错1

  创建一个ROS空间,把两个ROS包放进去,然后catkin_make.如果这样做的话,大概率会报下面的错误。本质就是imu_utils依赖于code_utils这个包,但实际上我们之前没有按照那个包,就会报下面的错,其实可以在catkin_make之前显示的告诉它路径,或者就是先编译成功code_utils,再编译imu_utils

-- +++ processing catkin package: 'imu_utils'
-- ==> add_subdirectory(imu_utils)
-- Using these message generators: gencpp;geneus;genlisp;gennodejs;genpy
-- Could NOT find code_utils (missing: code_utils_DIR)
-- Could not find the required component 'code_utils'. The following CMake error indicates that you either need to install the package with the same name or change your environment so that it can be found.
CMake Error at /opt/ros/noetic/share/catkin/cmake/catkinConfig.cmake:83 (find_package):Could not find a package configuration file provided by "code_utils" withany of the following names:code_utilsConfig.cmakecode_utils-config.cmakeAdd the installation prefix of "code_utils" to CMAKE_PREFIX_PATH or set"code_utils_DIR" to a directory containing one of the above files.  If"code_utils" provides a separate development package or SDK, be sure it hasbeen installed.
Call Stack (most recent call first):imu_utils/CMakeLists.txt:13 (find_package)-- Configuring incomplete, errors occurred!
See also "/home/pj/pj/vio_with_only_eigen/imu_allan/build/CMakeFiles/CMakeOutput.log".
See also "/home/pj/pj/vio_with_only_eigen/imu_allan/build/CMakeFiles/CMakeError.log".
Invoking "cmake" failed

  编译出现的报错code_utils

报错2

  报错显示没有那个头文件,查看之后发现是有的,说名再CMakeLists.txt中没有显示的引入头文件,我们只需要添加即可。或者把#include "backward.hpp"改成#include "code_utils/backward.hpp"

[ 30%] Building CXX object code_utils/CMakeFiles/sumpixel_test.dir/src/sumpixel_test.cpp.o
/home/pj/pj/vio_with_only_eigen/imu_allan/src/code_utils/src/sumpixel_test.cpp:2:10: fatal error: backward.hpp: No such file or directory2 | #include "backward.hpp"|          ^~~~~~~~~~~~~~
compilation terminated.
make[2]: *** [code_utils/CMakeFiles/sumpixel_test.dir/build.make:63: code_utils/CMakeFiles/sumpixel_test.dir/src/sumpixel_test.cpp.o] Error 1
make[1]: *** [CMakeFiles/Makefile2:480: code_utils/CMakeFiles/sumpixel_test.dir/all] Error 2
make[1]: *** Waiting for unfinished jobs....
include_directories(${catkin_INCLUDE_DIRS}${CMAKE_SOURCE_DIR}/code_utils/include/code_utils	# 添加这个,这样就能找到了${EIGEN3_INCLUDE_DIR})

报错3

  报错显示没找到glog.so动态库文件,但是这个环境前两天刚装的,所以必然不是这个问题

make[2]: *** No rule to make target '/usr/lib/x86_64-linux-gnu/libglog.so', needed by '/home/pj/pj/vio_with_only_eigen/imu_allan/devel/lib/libpnp.so'.  Stop.
make[2]: *** Waiting for unfinished jobs....
[ 92%] Building CXX object code_utils/CMakeFiles/pnp.dir/src/cv_utils/pnp/nonlinearpnp.cpp.o
make[1]: *** [CMakeFiles/Makefile2:804: code_utils/CMakeFiles/pnp.dir/all] Error 2
make: *** [Makefile:141: all] Error 2
Invoking "make -j2 -l2" failed

  locate下发现,库文件存在,但上面找的不是这个

pj@pj:~$ locate glog | grep so
...
/usr/lib/x86_64-linux-gnu/libglog.so.0
/usr/lib/x86_64-linux-gnu/libglog.so.0.0.0

  libglog.solibglog.so.0,所以我们把这两个软链接起来就能解决问题

sudo ln -s /usr/lib/x86_64-linux-gnu/libglog.so.0 /usr/lib/x86_64-linux-gnu/libglog.so

  然后编译imu_utils就没有报错了

5.2.2 运行

要么就是自己录个数据,至少2个小时以上

  • 播放rosbag数据
 rosbag play -r 200 imu_A3.bag
  • 启动对应得launch文件,注意修改!
roslaunch imu_utils A3.launch	# 换成自己的launch文件
<launch><node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"><!--改成自己IMU的话题--><param name="imu_topic" type="string" value= "/djiros/imu"/><!--这个和最后保存的文件名有关,最后的文件名为A3_imu_param.yaml--><param name="imu_name" type="string" value= "A3"/><!--标定结果存放的文件目录--><param name="data_save_path" type="string" value= "$(find imu_utils)/data_my/"/><!--修改标定时间,单位是分钟,需要根据数据包的时长来调整--><param name="max_time_min" type="int" value= "120"/><param name="max_cluster" type="int" value= "100"/></node>
</launch>
  • 结果

  会生成很多文件,最终计算结果再yaml文件中,可以利用脚本文件下的matlab函数去画出角速度和加速度的Allan曲线。

在这里插入图片描述

type: IMU
name: A3
Gyr:unit: " rad/s"avg-axis:		gyr_n: 1.0351286977809465e-04		# δggyr_w: 2.9438676109223402e-05		# δbgx-axis:gyr_n: 1.0312669892959053e-04gyr_w: 3.3765827874234673e-05y-axis:gyr_n: 1.0787155789128671e-04gyr_w: 3.1970693666470835e-05z-axis:gyr_n: 9.9540352513406743e-05gyr_w: 2.2579506786964707e-05
Acc:unit: " m/s^2"avg-axis:acc_n: 1.3985049290745563e-03acc_w: 6.3249251509920116e-04x-axis:acc_n: 1.1687799474421937e-03acc_w: 5.3044554054317266e-04y-axis:acc_n: 1.2050535351630543e-03acc_w: 6.0281218607825414e-04z-axis:acc_n: 1.8216813046184213e-03acc_w: 7.6421981867617645e-04

github给出的—标定是离散参数
在这里插入图片描述

  • 绘图结果—script—这下面的图像不是A3,是生成的那个仿真数据图像!

角速度allan曲线

在这里插入图片描述

加速度allan曲线

在这里插入图片描述

​ 其实也能看出来,关于角速度偏置随机游走肯定是误差最大的!

5.3 Allan方差实验(matlab代码kalibr_allan)

5.3.1 安装

  GitHub,主要是装那个ros转换包,matlab直接打开就行

mkdir -p datacen/src
catkin_make

5.3.2 bag转mat

  使用命令 rosrun bagconvert bagconvert xx.bag/imu0,该命令的解释是rosrun bagconvert bagconvert [bag名字] [topic名字],这里如果topic输入不正确,可能会得到一个177kb的错误mat文件

在这里插入图片描述

在这里插入图片描述

5.3.3 运行标定

  • 修改SCRIPT_allan_matparallel.m
% Our bag information
%mat_path = '../data/imu_mtig700.mat';
%mat_path = '../data/imu_tango.mat';
% 改成上面bag转mat文件的路径,可以在matlab命令行pwd,像Ubuntu一样
mat_path = 'I:\kalibr_allan-master\data\imu.mat';

  然后运行这个文件,根据电脑的性能,运行时间长短不一,最终会在你的mat文件下生成一个resultmat文件

  • 修改SCRIPT_process_results.m
titlestr = 'ADIS16448 VI-Sensor';
% 修改路径
mat_path = 'I:\kalibr_allan-master\data\results_20240106T181017.mat';

结果展示

加速度allan曲线

在这里插入图片描述

角速度allan曲线:目前不知道哪里有问题,导致对应偏置随机游走无法计算!

在这里插入图片描述

上面生成的数据对应方差!// noise----离散时间噪声标准差double gyro_bias_sigma = 1.0e-5;    // δbg rad/sdouble acc_bias_sigma = 0.0001;     // δba m/(s^2)double gyro_noise_sigma = 0.015;    // rad/s     δgdouble acc_noise_sigma = 0.019;      // m/(s^2)  δa

其实可以看出,这种方差实验结果要比imu_utils要准确一点

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/699926.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Vue局部注册组件实现组件化登录注册

Vue局部注册组件实现组件化登录注册 一、效果二、代码1、index.js2、App.vue3、首页4、登录&#xff08;注册同理&#xff09; 一、效果 注意我这里使用了element组件 二、代码 1、index.js import Vue from vue import VueRouter from vue-router import Login from ../vie…

基于SVM的功率分类,基于支持向量机SVM的功率分类识别,Libsvm工具箱详解

目录 支持向量机SVM的详细原理 SVM的定义 SVM理论 Libsvm工具箱详解 简介 参数说明 易错及常见问题 完整代码和数据下载链接:基于SVM的功率分类,基于支持向量机SVM的功率分类识别资源-CSDN文库 https://download.csdn.net/download/abc991835105/88862836 SVM应用实例, 基于…

虚拟机的四种网络模式对比

nat网络地址转换 nat网络 桥接 内网模式 仅主机

代码随想录算法训练营29期Day59|LeetCode 583,72

文档讲解&#xff1a;两个字符串的删除操作 编辑距离 编辑距离总结篇 583.两个字符串的删除操作 题目链接&#xff1a;https://leetcode.cn/problems/delete-operation-for-two-strings/description/ 思路&#xff1a; 本题和1143基本相同&#xff0c;只要求出两个字符串的…

经济学-股市指数为什么会对社会造成系统性风险

或许很多人有这个疑问&#xff1a;股价又不影响公司销售的收入&#xff0c;为什么股价下跌可能造成系统性风险&#xff1f;&#xff1f; 假设某上市公司A的股票100元1股&#xff0c;市值1000元&#xff08;10股&#xff09;&#xff0c;每年生产10件衣服&#xff0c;一件衣服卖…

【Java】java异常处理机制(实验五)

目录 一、实验目的 二、实验内容 三、实验小结 一、实验目的 1、理解java的异常处理机制 2、掌握try catch结构和thow和thows关键字的用法 二、实验内容 1、编写一个程序&#xff0c;输入某个班某门课程成绩&#xff0c;统计及格人数、不及格人数及课程平均分。设计一个异…

通天星CMSV6 车载视频监控平台信息泄露漏洞

免责声明&#xff1a;文章来源互联网收集整理&#xff0c;请勿利用文章内的相关技术从事非法测试&#xff0c;由于传播、利用此文所提供的信息或者工具而造成的任何直接或者间接的后果及损失&#xff0c;均由使用者本人负责&#xff0c;所产生的一切不良后果与文章作者无关。该…

【Python-语法】

Python-语法 ■ Python基础■ 数据类型■ 注释 单行注释&#xff0c;多行注释■ 编码方式 ■■■■■ ■ Python基础 ■ 数据类型 ■ 注释 单行注释&#xff0c;多行注释 ■ 编码方式 ■ ■ ■ ■ ■

【深度学习】微调通义千问模型:LoRA 方法,微调Qwen1.8B教程,实践

官网资料: https://github.com/QwenLM/Qwen/blob/main/README_CN.md 文章目录 准备数据运行微调设置网络代理启动容器执行 LoRA 微调修改 finetune/finetune_lora_single_gpu.sh运行微调 执行推理 在本篇博客中&#xff0c;我们将介绍如何使用 LoRA 方法微调通义千问模型&#…

npm设置淘宝镜像

将npm的下载源恢复为默认的官方源&#xff0c;命令如下&#xff1a; npm config set registry https://registry.npmjs.org淘宝官方提供的最新的配置淘宝镜像的方法&#xff0c;命令如下&#xff1a; npm config set registry https://registry.npmmirror.com也可以查看是否修改…

第 1 章 作业题

10 该题还算比较复杂&#xff0c;但是考虑清楚之后也还好 电路交换 建立连接的时间 发送时延 传播时延 传播时延是链路长度 每段链路的传播时延 分组交换 发送时延 传播时延 发送时延指的是报文长度除以数据率&#xff0c;经过一个节点也有发送时延&#xff0c;也是…

【小白友好】python leetcode 27 remove element

Problem: 27. 移除元素 工程思想 用一些python已有的工具&#xff1a; while val in nums:nums.remove(val)但是我们显然不要这么做对不对&#xff01; 从零开始 看题目是要in place&#xff0c;则考虑交换咯。 要把不等于val的移到前面&#xff0c;则考虑把数组分成2部分&…

MySQL sql注意点

为何写这篇博客&#xff0c;源于工作时虽然写了大量sql语句包括复杂sql。可是一但脱离sql执行环境和运行结果。发现很多东西只是在尝试中解决了问题&#xff0c;但这还远远不够。 本文列取了常用但是容易遗漏的一些知识点。另外关键词一般大写&#xff0c;为了便于阅读所以很多…

Unity 2021.3发布WebGL设置以及nginx的配置

使用unity2021.3发布webgl 使用Unity制作好项目之后建议进行代码清理&#xff0c;这样会即将不用的命名空间去除&#xff0c;不然一会在发布的时候有些命名空间webgl会报错。 平台转换 将平台设置为webgl 设置色彩空间压缩方式 Compression Format 设置为DisabledDecompre…

XGB-11:随机森林

XGBoost通常用于训练梯度提升决策树和其他梯度提升模型。随机森林使用与梯度提升决策树相同的模型表示和推断&#xff0c;但使用不同的训练算法。可以使用XGBoost来训练独立的随机森林&#xff0c;或者将随机森林作为梯度提升的基模型。这里我们专注于训练独立的随机森林。 XG…

解决Mysql的Access denied for user权限不足问题

当用客户端工具连接数据库 以root 用户登录后 无法给相关用户授权数据库等操作: 原因: root%表示 root用户 通过任意其他端访问操作 被拒绝! 授权即可: 登录server端: mysql -uroot -pxxxxx&#xff08;使用账号密码登录linux mysql服务内部&#xff09; 然后输入如下sql命令…

Sora:开启视频生成新时代的强大人工智能模型

目录 一、Sora模型的诞生与意义 二、Sora模型的技术特点与创新 三、Sora模型的应用前景与影响 四、面临的挑战与未来发展 1、技术挑战 2、道德和伦理问题 3、计算资源需求 4、未来发展方向 随着信息技术的飞速发展&#xff0c;人工智能&#xff08;AI&#xff09;已成为…

vue3中使用vuedraggable实现拖拽el-tree数据进分组

看效果&#xff1a; 可以实现单个拖拽、双击添加、按住ctrl键实现多个添加&#xff0c;或者按住shift键实现范围添加&#xff0c;添加到框中的数据&#xff0c;还能拖拽排序 先安装 vuedraggable 这是他的官网 vue.draggable中文文档 - itxst.com npm i vuedraggable -S 直接…

tomcat通过JAVA_OPTS注入自定义变量 —— 筑梦之路

背景说明 tomcat部署的java应用在k8s集群或容器中&#xff0c;想要给tomcat传自定义变量&#xff0c;应该如何实现&#xff1f; 解决方法 1. 在k8s集群或容器环境中通过env或者configmap方式添加自定义的环境变量 比如&#xff1a; my_key: aaaa 2. tomcat下新增脚本&am…

拓扑空间简介

目录 介绍集合论与映射映射相关定义映射&#xff08;map&#xff09;映射的一种分类&#xff1a;一一的和到上的 拓扑空间背景介绍开子集开子集的选择 拓扑拓扑空间常见拓扑拓扑子空间同胚其他重要定义 开覆盖紧致性有限开覆盖紧致性 R R R的紧致性 习题 介绍 这是对梁灿彬的《…