Echo's blog
0%

Kalibr标定软件使用教程

发表于 分类于 ，

1 简介

近期在基于在基于GVINS进行开发，采集了GNSS、IMU、相机的数据，需要对相机和IMU的数据进行标定，包括相机内参标定以及相机和IMU之间的外参标定，这里使用了经典的Kalibr标定软件进行操作，在此记录一下使用过程。

2 Kalibr安装过程

Kalibr软件是一个经典的标定软件，可以解决以下标定问题：

  • 多相机标定；
  • 相机-IMU标定；
  • 多IMU标定；
  • 卷帘快门相机标定。

具体可以参考Kalibr 页面介绍。

由于Kalibr软件开发得比较早，安装环境是基于较旧的Ubuntu环境，所以本人在Ubuntu22.04上基于源码编译安装出现了很多问题，最终还是采用了基于Docker的安装方式，这里就不对源码编译安装的惨痛过程进行赘述了，直接开始介绍Docker安装过程。

Kalibr的安装过程可以参考install wiki页面，本人所用的安装命令为：

1
2
3
git clone https://github.com/ethz-asl/kalibr.git
cd kalibr
docker build -t kalibr -f Dockerfile_ros1_20_04 . # change this to whatever ubuntu version you want

尽管本人电脑的操作系统为Ubuntu22.04，但是安装的ROS版本还是ROS-noetic，所以这里还是选用的Dockerfile_ros1_20_04。执行上述命令后不出意外报错了：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
[+] Building 30.1s (2/2) FINISHED                                     docker:default

 => [internal] load build definition from Dockerfile_ros1_20_04                 0.0s

 => => transferring dockerfile: 1.37kB                                          0.0s

 => ERROR [internal] load metadata for docker.io/osrf/ros:noetic-desktop-full  30.0s

------

 > [internal] load metadata for docker.io/osrf/ros:noetic-desktop-full:

------

Dockerfile_ros1_20_04:1

--------------------

   1 | >>> FROM osrf/ros:noetic-desktop-full

   2 |     

   3 |     

--------------------

ERROR: failed to solve: osrf/ros:noetic-desktop-full: failed to do request: Head "https://registry-1.docker.io/v2/osrf/ros/manifests/noetic-desktop-full": dial tcp 128.121.243.235:443: i/o timeout

根据以上报错原因，是Docker从官方仓库获取镜像osrf/ros:noetic-desktop-full时超时了，这我就不理解了，本机一直开着代理，curl google也没有问题，这里为什么就会超时。咨询了Gemini后是这么回答我的：

终端的环境变量代理（HTTP_PROXY）与 Docker 守护进程（Docker Daemon）的代理是完全独立的。

即使你在终端里执行 export http_proxy=... 并且 curl 成功了，这只影响当前这个 Shell 窗口发出的请求。而 docker build 命令实际上是将指令发送给后台运行的 Docker Engine (dockerd)，它并不读取你终端里的环境变量。

要解决 docker build 时的超时，你需要针对性地配置 Docker 守护进程或构建参数。

嗯，看来Docker还是有很多东西要学习的。Gemini也给出了解决办法，快速点就是直接换源，在Dockerfile_ros1_20_04中修改源地址：

1
2
# FROM osrf/ros:noetic-desktop-full	# 注释掉原有的官方地址
FROM docker.m.daocloud.io/osrf/ros:noetic-desktop-full	# 换为国内镜像源

然后就是漫长的等待时间，等待安装完成即可。

3 标定过程

安装完成之后，使用以下命令进入docker环境：

1
2
3
4
5
docker run -it \
	--name my_kalibr \
	-v "${/PATH/TO/SHARE}:/data" \	# 修改共享的文件夹路径
	kalibr \
	/bin/bash

要进行相机-IMU标定前需要先对相机进行内参标定，然后才可以进行外参标定，接下来分别进行介绍。

3.1 相机内参标定

进行相机内参标定时需要用到标定板，然后编写对应的配置文件，我这里用的是棋盘格（Checkerboard），将对应的配置文件写下作为参考：

1
2
3
4
5
target_type: 'checkerboard'
targetCols: 6       # 内角点数量（行）
targetRows: 9       # 内角点数量（列）
rowSpacingMeters: 0.024  # 格子高度 (米)
colSpacingMeters: 0.024  # 格子宽度 (米)

当然，更推荐使用Aprilgrid，在抗遮挡方面效果更佳，其对应的配置文件为：

1
2
3
4
5
target_type: 'aprilgrid'
tagCols: 6
tagRows: 6
tagSize: 0.088      # 二维码大小 (米)
tagSpacing: 0.3     # 间距比例 (0.3 表示间距是 tagSize 的 30%)

完成标定板的配置文件之后，就可以利用提前录制的标定rosbag来进行标定了：

1
2
3
4
5
rosrun kalibr kalibr_calibrate_cameras \
	--bag /data/vins_calib.bag \	# 修改为自己的rosbag路径
	--target /data/config_self/target.yaml \	# 标定板配置文件
	--models omni-radtan \	# 这里根据使用的镜头类型选择合适的模型
	--topics /sensor/cam1	# 同上

然后程序就可以自主运行，解算出相机的内参与标定结果文件了。

3.2 相机-IMU外参标定

3.2.1 IMU配置文件

在得到相机的内参之后，就可以进行相机-IMU的外参标定了，这里还需要准备以下IMU的相关噪声参数，这些参数都可以从datasheet中获取，这里写下IMU的噪声参数配置文件：

1
2
3
4
5
6
rostopic: /imu0
update_rate: 200.0 # 频率 (Hz)
accelerometer_noise_density: 9.81e-04  	# (m/s^2/sqrt(Hz))
accelerometer_random_walk: 6.17e-04   	# (m/s^3/sqrt(Hz))
gyroscope_noise_density: 1.39e-04     	# (rad/s/sqrt(Hz))
gyroscope_random_walk: 9.89e-05      	# (rad/s^2/sqrt(Hz))

这里需要注意单位换算，以ADIS16470手册中给的数值为例：

image-20260509163500179

文件中给定的陀螺仪、加速度计的随机游走单位分别为$^\circ/\sqrt{\text{hr}}$、$ \text{m}/\text{s}/\sqrt{\text{hr}}$，而配置文件中要求的单位分别是：$ \text{rad}/\text{s}^2/\sqrt{\text{Hz}}$、$\text{m}/\text{s}^3/\sqrt{\text{Hz}}$，这里给出对应的转换关系：

而噪声密度参数的单位转换比较简单，从$^\circ$转换为rad、从$\mu g$转换为$\text{m}/\text{s}^2$，这里就不多赘述了。

3.2.2 标定与结果

编写完IMU的配置文件之后即可进行相机-IMU外参标定了，命令如下所示：

1
2
3
4
5
rosrun kalibr kalibr_calibrate_imu_camera \
    --bag /data/vins_calib_converted.bag \
    --target /data/config_self/target.yaml \
    --cam /data/vins_calib-camchain.yaml \
    --imu /data/config_self/imu.yaml

与相机标定命令类似，需要对上述各路径根据实际情况进行修改。然后程序就可以自主运行，得到相机和IMU之间的外参了。这里以我的标定结果为例进行说明：

1
2
3
4
5
6
cam0:
  T_cam_imu:
  - [-0.9999077671725599, 0.006788928204283567, 0.01176297589148161, -0.010043807082338534]
  - [0.011335063851105292, -0.05995628234656512, 0.998136644219954, 0.06764716589702693]
  - [0.007481542319459307, 0.9981779173378946, 0.05987379947444539, -0.10102821338700176]
  - [0.0, 0.0, 0.0, 1.0]

值得注意的是，这里得到的是从IMU坐标系到相机坐标系的转换矩阵，即：

若想获取从相机坐标系到IMU坐标系的转换矩阵，可以通过下式得到：