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。
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。
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。
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
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/src
cd ~/catkin_ws/src
catkin_init_workspace
cd ..
catkin_make
2.下载编译code_utils
cd ~/catkin_ws/src
git clone https://github.com/gaowenliang/code_utils.git
cd ..
catkin_make
cd ~/catkin_ws/src
git clone https://github.com/gaowenliang/imu_utils.git
cd ..
catkin_make
参考官方的Installation步骤
https://github.com/ethz-asl/kalibr/wiki/installation
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_ws
source ./devel/setup.bash
roslaunch 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: IMU
name: d435i
Gyr:
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-05
Acc:
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-04
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.bash
kalibr_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' #gridtype
tagCols: 6 #number of apriltags
tagRows: 6 #number of apriltags
tagSize: 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 /color
rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 4.0 /infra_left
rosrun 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.bash
kalibr_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。
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_left
cam1:
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：
#Accelerometers
accelerometer_noise_density: 1.6855999652754222e-02 #Noise density (continuous-time)
accelerometer_random_walk: 7.0793241968111124e-04 #Bias random walk
#Gyroscopes
gyroscope_noise_density: 1.9243758665672117e-03 #Noise density (continuous-time)
gyroscope_random_walk: 2.7254175454049154e-05 #Bias random walk
rostopic: /imu #the IMU ROS topic
update_rate: 200.0 #Hz (for discretization of the values above)
3.准备好之前的april_6x6_A4.yaml
target_type: 'aprilgrid' #gridtype
tagCols: 6 #number of apriltags
tagRows: 6 #number of apriltags
tagSize: 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_left
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20.0 /infra_right
rosrun 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
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: 640
image_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 support
multiple_thread: 1
#feature traker paprameters
max_cnt: 150 # max feature number in feature tracking
min_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 topic
flow_back: 1 # perform forward and backward optical flow to improve feature tracking accuracy
#optimization parameters
max_solver_time: 0.04 # max solver itration time (ms), to guarantee real time
max_num_iterations: 8 # max solver itrations, to guarantee real time
keyframe_parallax: 10.0 # keyframe selection threshold (pixel)
#imu parameters The more accurate parameters you provide, the better performance
acc_n: 0.016855999652754222 # accelerometer measurement noise standard deviation. #0.2 0.04
gyr_n: 0.0019243758665672117 # gyroscope measurement noise standard deviation. #0.05 0.004
acc_w: 0.0007079324196811112 # accelerometer bias random work noise standard deviation. #0.002
gyr_w: 2.7254175454049154e-05 # gyroscope bias random work noise standard deviation. #4.0e-5
g_norm: 9.805 # gravity magnitude
#unsynchronization parameters
estimate_td: 1 # online estimate time offset between camera and imu
td: 0.00 # initial value of time offset. unit: s. readed image clock + td = real image clock (IMU clock)
#loop closure parameters
load_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 path
save_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: PINHOLE
camera_name: camera
image_width: 640
image_height: 480
distortion_parameters:
k1: 0.002403959808138445
k2: 0.001212094600722141
p1: 0.0027975318922339606
p2: 0.0013305451339391025
projection_parameters:
fx: 389.1883630968763
fy: 389.9466918297371
cx: 322.6505040434058
cy: 244.3879141231001
（3）right.yaml
%YAML:1.0
---
model_type: PINHOLE
camera_name: camera
image_width: 640
image_height: 480
distortion_parameters:
k1: 0.0030741870441258153
k2: -0.0007281728041349596
p1: 0.005821862258640268
p2: 0.002985916170301623
projection_parameters:
fx: 388.3951195864708
fy: 388.5489092325429
cx: 324.7077416689968
cy: 248.62827656157992
1.启动相机
cd ~/catkin_ws
source ./devel/setup.bash
roslaunch 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_ws
source ./devel/setup.bash
roslaunch vins vins_rviz.launch
3.再新开一个终端，运行起来
cd vins_fusion_ws
source ./devel/setup.bash
rosrun 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
📢博客主页：https://blog.csdn.net/weixin_43197380📢欢迎点赞👍收藏⭐留言📝如有错误敬请指正！📢本文由Loewen丶原创，首发于CSDN，转载注明出处🙉📢现在的付出，都会是一种沉淀，只为让你成为更好的人✨文章预览：一.分辨率（Resolution）1、工业相机的分辨率是如何定义的？2、工业相机的分辨率是如何选择的？二.精度（Accuracy）1、像素精度（PixelAccuracy）2、定位精度和重复定位精度（RepeatPrecision）三.公差（Tolerance）四.课后作业（Post-ClassExercises）视觉行业的初学者，甚至是做了1~2年
最近因为项目需要，需要将Android手机系统自带的某个系统软件反编译并更改里面某个资源，并重新打包，签名生成新的自定义的apk，下面我来介绍一下我的实现过程。APK修改，分为以下几步：反编译解包,修改,重打包,修改签名等步骤。安卓apk修改准备工作1.系统配置好JavaJDK环境变量2.需要root权限的手机（针对系统自带apk,其他软件免root）3.Auto-Sign签名工具4.apktool工具安卓apk修改开始反编译本文拿Android系统里面的Settings.apk做demo,具体如何将apk获取出来在此就不过多介绍了，直接进入主题：按键win+R输入cmd，打开命令窗口，并将路
假设我有一个名为Product的模型，其中有一个名为brand的字段。假设brand的值以this_is_a_brand格式存储。我可以在模型(或其他任何地方)中定义一个方法，允许我在调用brand之前修改它的值吗？例如，如果我调用@product.brand，我想得到ThisisaBrand，而不是this_is_a_brand。 最佳答案 我建议使用方括号语法([]和[]=)而不是read_attribute和write_attribute。方括号语法更短并且designedtowraptheprotectedread/writ
在尝试构建Rubygem(使用Bundler)时，我倾向于使用Bundler提供的REPL测试代码——可通过bundleconsole访问。有什么方法可以重新加载整个项目吗？我最终再次加载单个(更改的)文件以测试新更改。 最佳答案 以下hack适用于我的一个相对简单的gem和Ruby2.2.2。我很想看看它是否适合你。它做出以下假设:您具有传统的文件夹结构:一个名为lib/my_gem_name.rb的文件和一个文件夹lib/my_gem_name/，其中包含任何文件/文件夹结构。您要重新加载的所有类都嵌套在您的顶级模块MyGemN
目录1、yum安装mysql修改密码(1)在mysql里面修改(2)第二种方式，利用mysqladmin修改密码2、没有密码，登录mysql修改密码3、mysql的安全设置1、yum安装mysql在CentOS中默认安装有MariaDB（MySQL的一个分支），安装完成之后可以直接覆盖MariaDB。rpm-qa|grepmariadb查询是否安装了mariadbrpm-e--nodepsmariadb-libs-5.5.60-1.el7_5.x86_64卸载mariadwgethttp://dev.mysql.com/get/mysql57-community-release-el7-11.
我有一个Ruby应用程序，我需要修改现有的zip文件。我想在内存中构建zip文件并流回字节，而无需将文件写入文件系统。如果我最终在Heroku上托管它，我认为我无法写入文件系统。有谁知道这样做的方法吗？我看了Zip::ZipFile但看起来它总是想写入文件系统。我想“基于java实现”我将能够只获取压缩文件的字节，这可以在java中完成，但我看不到这样做的方法。编辑:我要问的与此基本相同，但针对Ruby而不是Python:Functiontocreatein-memoryzipfileandreturnashttpresponse 最佳答案
我想检查是否正在Rails的before_save回调中创建模型。我还想检查它是否已被修改(更新时)。谢谢 最佳答案 您可以使用new_record?看看你是否有一个全新的对象和changed?查看是否有任何变化:before_save:pancakesdefpancakesifnew_record?#Notinthedatabaseyet.elsifchanged?#Alreadyexistsbutithasunsavedchanges.endend 关于ruby-on-rails-检
鉴于以下哈希结构，我想遍历该结构并使用“链接”键对所有值进行修改:{"page_id":"12345","link_data":{"message":"testmessage","link":"https://www.example.com","caption":"https://www.example.com","child_attachments":[{"link":"http://www.example.com","name":"test","description":"test","picture":"https://fbcdn-creative-a.akamaihd.net/
我正在尝试检查自上次检查以来是否修改了文件(在网络上)。是否可以通过获取httpheader来读取文件上次修改(或上传)的时间来做到这一点？ 最佳答案 您可以使用内置的Net::HTTP库为您完成大部分工作:require'net/http'Net::HTTP.start('stackoverflow.com')do|http|response=http.request_head('/robots.txt')response['Last-Modified']#=>Sat,04Jun201108:51:44GMTend如果需要，您可以
遇到一些奇怪的行为，想知道是否有其他人可以确认我所看到的。假设您创建了一个带有成员变量的类，并允许使用attr_reader读取它。classTestClassattr_reader:valdefinitialize(value)@val=valueendend现在当我执行以下操作时，它似乎修改了@val的值，即使我只授予它读取权限。test=TestClass.new('hello')putstest.valtest.val返回hellohelloworld这只是我在irb中进行的一些测试的结果，所以不确定是否总是如此 最佳答案