Realsense D435i 相机与IMU联合标定实战：从环境搭建到结果解析

1. 环境准备与工具安装

第一次接触Realsense D435i相机和IMU联合标定的开发者，往往会遇到各种环境配置问题。我在实际项目中踩过不少坑，这里分享一套经过验证的Ubuntu环境搭建方案。

首先需要确认系统版本，推荐使用Ubuntu 20.04 LTS，这个版本对ROS和Realsense驱动的兼容性最好。安装ROS Noetic完整版时，记得选择包含rqt和rviz的选项：

bash复制sudo apt install ros-noetic-desktop-full

接下来安装Realsense SDK和ROS封装包。这里有个小技巧：先安装SDK再装ROS封装，可以避免常见的依赖冲突：

bash复制sudo apt-key adv --keyserver keys.gnupg.net --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE
sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main"
sudo apt update
sudo apt install librealsense2-dkms librealsense2-utils
sudo apt install ros-noetic-realsense2-camera

安装完成后，建议先运行realsense-viewer验证设备连接。我遇到过USB3.0接口供电不足导致IMU数据异常的情况，如果发现类似问题，可以尝试更换USB接口或使用带电源的扩展坞。

2. IMU独立标定实战

2.1 编译imu_utils工具链

IMU标定需要用到imu_utils工具包，但它的编译过程有些特殊要求。首先创建独立的工作空间是个好习惯：

bash复制mkdir -p ~/imu_calib_ws/src
cd ~/imu_calib_ws/src

这里有个关键细节：必须先编译code_utils再编译imu_utils，顺序错了会导致编译失败。克隆仓库时建议使用https协议：

bash复制git clone https://github.com/gaowenliang/code_utils.git
git clone https://github.com/gaowenliang/imu_utils.git

编译过程中最常见的错误是OpenCV版本兼容性问题。对于OpenCV4用户，需要执行以下替换命令：

bash复制cd code_utils
sed -i 's/CV_LOAD_IMAGE_UNCHANGED/cv::IMREAD_UNCHANGED/g' `grep CV_LOAD_IMAGE_UNCHANGED -rl ./`
sed -i 's/CV_LOAD_IMAGE_GRAYSCALE/cv::IMREAD_GRAYSCALE/g' `grep CV_LOAD_IMAGE_GRAYSCALE -rl ./`

2.2 数据采集与标定执行

IMU标定需要采集静止状态下的数据，这里有个经验值：至少采集2小时数据才能得到可靠结果。启动数据采集的命令如下：

bash复制roslaunch realsense2_camera rs_camera.launch
rosbag record /camera/imu -O imu_calib.bag

创建launch文件时要注意参数配置。我建议将采样率设为400Hz（与D435i的IMU实际采样率匹配），以下是我的配置模板：

xml复制<launch>
  <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
    <param name="imu_topic" value="/camera/imu"/>
    <param name="imu_name" value="d435i"/>
    <param name="data_save_path" value="$(find imu_utils)/data/"/>
    <param name="max_time_min" value="120"/>
    <param name="max_cluster" value="400"/>
  </node>
</launch>

标定完成后，检查生成的yaml文件中的噪声密度(noise density)和随机游走(random walk)参数。正常值范围应该是：

• 加速度计噪声密度：1e-3 ~ 1e-2
• 陀螺仪噪声密度：1e-4 ~ 1e-3

3. 相机标定全流程

3.1 Kalibr安装与配置

Kalibr是相机标定的黄金标准工具，但它的安装过程比较繁琐。我推荐使用catkin build系统而不是catkin_make：

bash复制mkdir -p ~/kalibr_ws/src
cd ~/kalibr_ws
catkin init
catkin config --extend /opt/ros/noetic
catkin config --cmake-args -DCMAKE_BUILD_TYPE=Release
catkin config --merge-devel
git clone https://github.com/ethz-asl/kalibr.git ~/kalibr_ws/src/kalibr
catkin build -j4

编译时可能会遇到Python依赖问题，建议先安装以下包：

bash复制sudo apt install python3-dev python3-pip python3-scipy python3-matplotlib
pip install pyx pyyaml numpy scipy

3.2 标定板制作技巧

AprilTag标定板的尺寸测量是很多新手容易出错的地方。我建议：

1. 使用激光打印机打印标定板
2. 用游标卡尺实际测量tagSize（相邻两个黑色方块外边缘距离）
3. 确保标定板平整，可以贴在玻璃或亚克力板上

生成标定板配置时，tagSpacing参数容易被误解。它表示的是白色间隔与tagSize的比例，不是实际距离：

bash复制rosrun kalibr kalibr_create_target_pdf --type apriltag --nx 6 --ny 6 --tsize 0.022 --tspace 0.3

3.3 双目相机标定实战

数据采集时要注意运动方式：缓慢移动相机，确保标定板始终在视野内。我总结的有效运动模式是：

1. 左右平移3次
2. 上下倾斜3次
3. 前后移动3次
4. 绕Z轴旋转3次
   整个过程持续约2分钟

标定命令中的关键参数是--approx-sync，它决定了左右图像的时间对齐阈值。对于D435i，0.04秒是个不错的初始值：

bash复制rosrun kalibr kalibr_calibrate_cameras \
--target april_6x6.yaml \
--bag stereo_calib.bag \
--models pinhole-radtan pinhole-radtan \
--topics /infra_left /infra_right \
--approx-sync 0.04

遇到"Initialization of focal length failed"错误时，可以设置环境变量手动初始化焦距：

bash复制export KALIBR_MANUAL_FOCAL_LENGTH_INIT=1

4. 联合标定与结果验证

4.1 时空参数标定

联合标定需要准备三个配置文件：

1. 标定板配置（同相机标定）
2. IMU参数文件（来自imu_utils结果）
3. 相机参数文件（来自kalibr标定结果）

录制数据时要注意频率匹配：

• 图像话题降频到20Hz
• IMU话题保持200Hz
  命令示例：

bash复制rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 20 /infra_left
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20 /infra_right
rosbag record /infra_left /infra_right /camera/imu -O stereo_imu.bag

4.2 常见问题排查

遇到numpy版本冲突时（特别是AttributeError: module 'numpy' has no attribute 'typeDict'），需要降级numpy：

bash复制pip install numpy==1.21

标定结果验证要看几个关键指标：

1. 重投影误差应小于0.15像素
2. IMU加速度计误差应小于0.01 m/s²
3. 陀螺仪误差应小于0.001 rad/s

如果时间同步参数（timeshift）绝对值大于0.1秒，可能需要检查硬件同步设置或重新采集数据。

5. 实际应用建议

在VINS或其他SLAM系统中使用标定结果时，要注意坐标系定义差异。D435i的IMU坐标系定义是：

• X轴指向相机右侧
• Y轴指向相机下方
• Z轴指向前方

标定得到的T_ic矩阵需要根据具体SLAM系统的要求进行转换。我在部署时发现，将标定结果转换为TUM格式通常兼容性更好。

运动捕捉场景下，建议每3个月重新标定一次IMU。环境温度变化超过15℃时，也应该重新标定。有个实用技巧：在设备外壳上贴温度传感器，记录标定时的环境温度作为参考。