kalibr标定D435i相机

于 2025-07-31 06:01:54 发布
阅读量824 收藏 15
点赞数 23
CC 4.0 BY-SA版权
文章标签： kalibr D435i
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/A1008612121/article/details/149177277

文章参考：D435i kalibr标定环境部署及双目IMU标定文档_kalibr标定环境配置-优快云博客

目录

1. docker容器安装

2.安装kalibr的docker版

3. 标定环境配置

3.1 通过 apt 快速安装ceres：

3.2 安装 imu_utils 和 code_utils

4. IMU标定 

4.1 录制.bag数据

4.2 标定

4.3 标定结果

4. 双目相机标定

5. IMU+双目相机联合标定

6. 补充

1. docker容器安装

参考：Ubuntu安装docker教程 - unique_pursuit - 博客园

2.安装kalibr的docker版

 2.1 下载kalibr镜像，下载地址 https://github.com/ethz-asl/kalibr

2.2 在 kalibr的文件夹下打开终端，运行：（根据自己需要的ros版本选择16_04/18_04/20_04）

docker build -t kalibr -f Dockerfile_ros1_18_04 .

ps：编译，自动安装依赖库，运行时间较长

ps：kalibr/Dockerfile_ros1_18_04的第一行：FROM slam_all:v2.0，表示该 Dockerfile 是基于 ROS Melodic 的官方镜像构建的​​。这个 Dockerfile 的逻辑是 ​​以 ROS Melodic 官方镜像为基础，直接在其上安装 Kalibr

2.3 使用kalibr镜像创建容器：

docker run -it --name kalibr -v /home/zkl/kalibr_ws:/catkin_ws --device=/dev/bus/usb:/dev/bus/usb --privileged kalibr

3. 标定环境配置

3.1 通过 apt 快速安装ceres：

# 安装预编译版本（Ubuntu 18.04/Melodic 可用）
sudo apt-get update
sudo apt-get install -y libceres-dev

# 验证安装
ldconfig -p | grep ceres  # 应输出 libceres.so 路径

3.2 安装 imu_utils 和 code_utils

imu_utils下载地址为：https://github.com/gaowenliang/code_utils code_utils下载地址为： https://github.com/gaowenliang/code_utils 由于imu_utils 依赖 code_utils，所以先把code_utils放在工作空间的src下面，进行编译。然后再将imu_utils放到src下面，再编译。否则会报错。

编译命令：先编译 imu_utils ，再编译 code_utils

# 在 /catkin_ws下
catkin build imu_utils
# 编译完 imu_utils 后
catkin build code_utils

 如果有报错，参考这篇文章都可以解决：D435i kalibr标定环境部署及双目IMU标定文档_kalibr标定环境配置-优快云博客

4. IMU标定 

4.1 录制.bag数据

将设备静止不动，录制两个小时的rosbag。

# 终端1
roslaunch realsense2_camera rs_camera.launch \
  enable_gyro:=true \
  enable_accel:=true \
  unite_imu_method:=linear_interpolation

# 终端2
# 最好在自己的 /catkin_ws/data 路径下录制
rosbag record -O D435i_imu /camera/imu

4.2 标定

录制完成后，400倍速回放rosbag，并运行launch文件进行标定。

在/imu_utils/launch/文件夹下面新建一个D435i_imuCali.launch：

<launch>
    <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
        <param name="imu_topic" type="string" value= "/camera/imu"/>
        <param name="imu_name" type="string" value= "Realsense"/>
        <param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/>
        <param name="max_time_min" type="int" value= "120"/>
        <param name="max_cluster" type="int" value= "100"/>
    </node>
</launch>

然后运行：

# 终端1
rosparam set /use_sim_time true

# 终端2
roslaunch imu_utils D435i_imuCali.launch imu_topic:=/camera/imu

# 终端3
rosbag play -r 400 --clock D435i_imu.bag

4.3 标定结果

在/imu_utils/data文件夹下生成标定结果，Realsense_imu_param.yaml：

        ps: 每项之所以有四个，第一个是平均，后面三个是对应x y z三个轴的，我们只需要取角速度和加速度的里面平均部分的值就可以了

%YAML:1.0
---
type: IMU
name: Realsense
Gyr:
   unit: " rad/s"
   avg-axis:  # 陀螺仪三轴平均噪声参数                          
      gyr_n: 1.6220472470812495e-03  # 角速度随机游走噪声（Rad/s/√Hz）
      gyr_w: 1.8458982805454036e-05  # 角速度零偏不稳定性（Rad/s²）
   x-axis:    # X轴独立参数
      gyr_n: 1.1538651992283363e-03
      gyr_w: 7.9177505873678760e-06
   y-axis:    # Y轴独立参数
      gyr_n: 2.0910398789612044e-03
      gyr_w: 3.3466005702407785e-05
   z-axis:
      gyr_n: 1.6212366630542080e-03
      gyr_w: 1.3993192126586451e-05
Acc:
   unit: " m/s^2"
   avg-axis:  # 加速度计三轴平均噪声参数
      acc_n: 1.5052633137182039e-02  # 加速度随机游走噪声（m/s²/√Hz）
      acc_w: 3.1509397865574267e-04  # 加速度零偏不稳定性（m/s³）
   x-axis:    # X轴独立参数
      acc_n: 1.6266856565414749e-02
      acc_w: 2.3570108410503088e-04
   y-axis:
      acc_n: 1.2699705637367179e-02
      acc_w: 3.3738746676099474e-04
   z-axis:
      acc_n: 1.6191337208764190e-02
      acc_w: 3.7219338510120255e-04

4. 双目相机标定

确保D435i相机稳固不动，标定板（如棋盘格）可自由移动

（1）下载标定板

（2）启用Realsense

roslaunch realsense2_camera rs_camera.launch \
  enable_infra1:=true \
  enable_infra2:=true \
  enable_sync:=true

        检查左右相机同步状态

# 同时输出左右相机前10帧时间戳（对齐显示）
paste -d '|' \
  <(rostopic echo -n 10 /camera/infra1/image_rect_raw/header/stamp | awk '/secs|nsecs/{print $2}') \
  <(rostopic echo -n 10 /camera/infra2/image_rect_raw/header/stamp | awk '/secs|nsecs/{print $2}') |
column -t -s '|'

（3） 图像频率控制（关键步骤）​​

# 说明： 4.0是目标频率， /infra_left是话题重映射
# 新建终端：左右红外相机降频
rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 4.0 /infra_left &
rosrun topic_tools throttle messages /camera/infra1/camera_info 4.0 /infra_left/camera_info &
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 4.0 /infra_right &
rosrun topic_tools throttle messages /camera/infra2/camera_info 4.0 /infra_right/camera_info

（4）实时监控， 保证两个摄像头可以同时、完整看到标定版，且图像清晰不模糊

# 终端1：打开左图像窗口
rqt_image_view /infra_left & 
rqt_image_view /infra_right

（5）录制数据包 

# 在目标目录下录制，我是在 /catkin_ws/data 下运行
rosbag record -O stereo_calib.bag \
  /infra_left \
  /infra_left/camera_info \
  /infra_right \
  /infra_right/camera_info

标定板移动要遵循：（均持续20秒）

        前后：缓慢靠近/远离相机

        左右：横向平移覆盖视野

        上下：垂直移动

        倾斜：绕X/Y轴旋转±30°

        旋转： 绕Z轴旋转

（6）.bag 文件检查

rosbag info stereo_calib.bag

输出应该包含：

topics:
  /infra_left      1000 msgs    : sensor_msgs/Image
  /infra_right     1000 msgs    : sensor_msgs/Image
  ...camera_info    1000 msgs    : sensor_msgs/CameraInfo

（7）标定 

创建apriltags.yaml文件，根据自己的标定板实际尺寸创建，这个是我的标定板.yaml文件：

target_type: 'aprilgrid' #gridtype
tagCols: 6               #number of apriltags
tagRows: 6               #number of apriltags
tagSize: 0.0210         #size of apriltag, edge to edge [m]
tagSpacing: 0.295          #ratio of space between tags to tagSize
#example: tagSize=2m, spacing=0.5m --> tagSpacing=0.25[-]

我将创建的apriltags.yaml文件放在了 /catkin_ws/data下，同样，刚采集的 stereo_calib.bag 也在这个文件夹下，运行：

# Kalibr标定
    # 这三行代码只针对我的docker容器，存在问题：不能可视化
    export DISPLAY=:1
    export KALIBR_MANUAL_FOCAL_LENGTH_INIT="380,380"
    Xvfb :1 -screen 0 1280x720x16 &
# apriltags.yaml文件需要自己创建
rosrun kalibr kalibr_calibrate_cameras \
  --bag stereo_calib.bag \
  --models pinhole-radtan pinhole-radtan \
  --target apriltags.yaml \
  --topics /infra_left /infra_right

（8）标定结果

        标定生成三个文件：

 

5. IMU+双目相机联合标定

（1）启用realsense-viewer

roslaunch realsense2_camera rs_camera.launch \
  enable_infra1:=true \
  enable_infra2:=true \
  enable_sync:=true \
  enable_gyro:=true \
  enable_accel:=true \
  unite_imu_method:=linear_interpolation

（2）图像频率控制

# 说明： 20.0是目标频率， /infra_left是话题重映射
# 新建终端：左右红外相机降频
rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 20.0 /infra_left &
rosrun topic_tools throttle messages /camera/infra1/camera_info 20.0 /infra_left/camera_info &
rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20.0 /infra_right &
rosrun topic_tools throttle messages /camera/infra2/camera_info 20.0 /infra_right/camera_info &
rosrun topic_tools throttle messages /camera/imu 200.0 /imu

（3）实时监控， 保证两个摄像头可以同时、完整看到标定版，且图像清晰不模糊

# 终端1：打开左图像窗口
rqt_image_view /infra_left & 
rqt_image_view /infra_right

（4）录制数据包

 标定板静止，D435i移动，四个维度移动，前后左右上下及倾斜

rosbag record -O imu_stereo.bag \
  /infra_left \
  /infra_left/camera_info \
  /infra_right \
  /infra_right/camera_info \
  /imu

（5）标定

# kalibr_calibrate_imu_camera --target 标定板yaml文件 --cam 双目yaml文件 --imu imu的yaml文件 --bag 双目IMU录包
# 将上述4个文件都放在catkin_ws/data 下
rosrun kalibr kalibr_calibrate_imu_camera --target apriltags.yaml --cam stereo_calib-camchain.yaml --imu imu.yaml --bag imu_stereo.bag

 （6）标定结果

标定生成四个文件

 6. 补充

6.1. 保存容器为镜像

        将自己之前的容器保存成镜像拷贝到另一台电脑：

# 保存镜像到.tar 文件​​
# 语法：docker save -o 输出文件名.tar 镜像名[:标签]
docker save -o kalibr_backup.tar kalibr:latest

# 在另一台电脑上加载镜像
docker load -i kalibr_backup.tar
# 验证
docker images | grep kalibr

6.2 报错

问题：根据编译日志，sm_python 已成功编译，但 sm 模块仍无法导入

  • ​编译成功​​：检查日志（catkin build sm_python --no-deps --verbose）显示 sm_python 正确构建并生成了 libsm_python.so
  • ​​路径异常​​：Python模块被安装到了非标准路径 /catkin_ws/devel/lib/python2.7/dist-packages/sm/（多了一层sm子目录）

解决：创建符号链接

ln -s /catkin_ws/devel/lib/python2.7/dist-packages/sm /catkin_ws/devel/lib/python2.7/dist-packages/sm_python

A1008612121
关注
Kalibr解毒填坑（一）：相机标定失败
weixin_38582851的博客
07-02 130
相机内参标定失败原因分析及解决方案 相机内参标定过程中常因标定板问题（模糊、尺寸不符）、数据采集不足（数量少、运动模糊）、配置文件错误（参数不匹配）或环境干扰（光照变化）导致失败。当出现主点错误时，可改用MATLAB标定工具：1)从bag文件提取图像数据；2)清理并保留12-100张优质数据；3)使用MATLAB标定工具箱获取参数；4)将获得的焦距(fx,fy)、主点(cx,cy)和畸变系数(k1,k2,p1,p2)正确填入Kalibr的YAML配置文件中。该方法能有效解决因主点异常导致的标定失败问题。
Ubuntu20 Kalibr标定d435i
lalawinter的博客
05-21 1545
（这里为imu_ws），将code_utils放到src文件夹下编译，通过后再将imu_utils放到src文件夹下编译，不能一起编译，因为后者依赖于前者。在~/imu_catkin_ws/src/imu_utils/launch路径创建d435i_imu_calibration.launch。标定完成后，可在data文件中找到对应的yaml文件src/imu_utils/data/xx_imu_param.yaml。max_time_min：采集IMU数据的时间，越长越好，单位分钟；
kalibr标定realsenseD435i --多相机标定
m0_60028455的博客
07-26 1859
镜像下载、域名解析、时间同步请点击 阿里云开源镜像站 kalibr标定板（棋盘格）用师兄的（长这样） 步骤一：建立的ROS中的Kalibr的工作空间，建立一个名为：checkerboard.yaml的文件，内容为： target_type: 'checkerboard' targetCols: 11 //内角的个数 targetRows: 8 colSpacingMeters: 0.02
Kalibr标定Intel D435i相机
sunshine
12-09 6325
Kalibr标定Intel D435i相机 文章目录Kalibr标定Intel D435i相机1、相机标定2、IMU标定3、相机+IMU联合标定4、标定结果评价 系统环境：ubuntu16.04+roskinetic 需要的基础知识基础：ROS基本知识（如何使当前终端生效，roslaunch文件的编写） 源码安装：kalibr https://github.com/ethz-asl/kalib...
D435i相机标定和kalibr安装
qq_64991046的博客
08-28 1769
可执行文件在kalibr_ws/src/kalibr/aslam_offline_calibration/kalibr/python 路径下。注：如果使用 sudo pip install python-igraph 安装，可能会安装错误，原因是版本太新，而python2太老。在文件夹kalibr_ws内，安装完成后，没有可执行文件，因此要将可执行文件移动到文件夹kalibr_ws中。可以查询所有相机编号，我用的realsense D435i，RGB相机是video6（一个一个试出来的）
保姆级ubuntu20.04使用kalibr对d435i相机标定（RGB相机，双目，双目联合imu标定）
2302_80400339的博客
04-19 2120
本文仅为作者日后学习温习方便故记录，如有错漏之处尽管指出，请谅解。
使用kalibr标定d435i的单目、双目
iri_descent的博客
10-08 1406
kalibr安装、使用
D435i kalibr标定环境部署及双目IMU标定文档
诗筱涵的博客
02-16 3128
装librealsense(ubuntu18.04和ubuntu20.04都可以用下面命令)装realsense2_camera，ubuntu18.04上用下面命令ubuntu20.04上用下面命令。
kalibr标定realsenseD435i（四）--标定rgb相机
weixin_45868890的博客
03-01 733
使用realsense-viewer录制并标定rgb相机
D435i—Kalibr标定
weixin_45867032的博客
12-08 1087
IMU标定参考 IMU+双目标定参考 <launch> <arg name="serial_no" default=""/> <arg name="usb_port_id" default=""/> <arg name="device_type" default=""/> <arg name="json_file_path" default=""/> <arg
基于kalibr docker的D435i双目及双目IMU标定环境部署及标定操作文档
03-07
基于kalibr docker的D435i双目及双目IMU标定环境部署及标定操作文档 相应博文可见: https://blog.youkuaiyun.com/sinat_16643223/article/details/136128828?spm=1001.2014.3001.5501 对应操作视频: ...
三菱图形操作终端连接手册（非三菱产品1）.pdf
08-03
三菱图形操作终端连接手册（非三菱产品1）.pdf
【基于RESTful设计的高性能API接口实战开发：用户管理与权限控制系统全流程详解】
08-03
内容概要：本文档介绍了基于RESTful设计的高性能API接口的实战开发案例，涵盖从设计、开发、权限控制、性能优化到测试与文档自动化等环节。项目以用户管理与权限控制系统为例，采用Node.js + Express.js作为后端框架，MongoDB为数据库，Mongoose管理数据模型，严格遵循RESTful风格的接口设计，定义了标准HTTP动作对应的操作。安全性方面，实现了JWT认证机制和基于角色的访问控制(RBAC)，确保接口安全。性能优化措施包括Redis缓存热点数据、接口请求频率限制、Winston和Morgan日志系统。开发调试借助Postman和Swagger UI，支持自动生成接口文档，提高前后端协作效率。部署方案利用Docker、Nginx、GitHub Actions等技术实现自动化部署，ELK用于日志收集与分析。; 适合人群：有一定编程基础，尤其是对API开发感兴趣的开发者和系统架构师。; 使用场景及目标：①学习RESTful风格的API设计原则；②掌握API的安全机制，如JWT认证和RBAC；③了解性能优化方法，如缓存和限流；④熟悉API开发的完整流程，包括测试、文档管理和部署。; 阅读建议：本案例详细描述了API开发的各个环节，建议读者按照文档顺序逐步学习，重点理解各部分的技术细节和实现原理，同时结合实际项目进行实践。
Canvas实现两张图片合成操作
08-03
资源下载链接为： https://pan.quark.cn/s/d9ef5828b597 Canvas实现两张图片合成操作
【电子设计竞赛】2025电赛D题全解：声音定位系统设计与实现详解
08-03
内容概要：本文详细解析了2025年全国大学生电子设计大赛D题——声音定位系统，从赛题要求、系统架构、硬件选型、算法选择到软件代码实现进行了全面阐述。赛题要求设计一个声音定位系统，包括声响模块、声音接收模块和信息处理模块。声响模块负责产生500Hz的声音信号，声音接收模块通过麦克风和放大电路接收声音信号，信息处理模块则根据声音传播的时间差计算声响模块的位置坐标，并显示出来。发挥部分还包括提高定位精度、连续跟踪显示坐标值和显示移动轨迹。文中还介绍了开发环境搭建、关键代码实现以及常见问题的解决方法。 适合人群：具备一定电子设计基础的大学生、电子设计爱好者和参赛选手。 使用场景及目标：①帮助参赛者理解赛题要求，掌握声音定位系统的设计和实现方法；②提升参赛者的电子设计能力和编程水平，为比赛做好准备；③通过实际项目锻炼创新思维和实践能力，积累宝贵的经验。 其他说明：本文不仅涵盖了硬件选型、电路设计、算法选择等技术细节，还提供了详细的代码实现和优化建议，有助于读者全面掌握声音定位系统的开发过程。此外，文章还强调了电子设计竞赛的重要性，鼓励读者积极参与，探索电子设计的无限可能。
基于FreeRTOS实时操作系统的STM32F103CBT6多功能无线遥控器开发项目_包含MPU6050陀螺仪数据采集_NRF24L01无线通信模块_096寸OLED显示屏_I2.zip
08-03
基于FreeRTOS实时操作系统的STM32F103CBT6多功能无线遥控器开发项目_包含MPU6050陀螺仪数据采集_NRF24L01无线通信模块_096寸OLED显示屏_I2
(完整版)安全知识竞赛试题（含完整答案）.pdf
08-03
(完整版)安全知识竞赛试题（含完整答案）.pdf
基于JavaScript的PDF文档生成与处理工具_支持中文文本排版_包含字体嵌入_表格绘制_图片插入_分页控制_水印添加_书签生成_加密保护_表单填写_条形码生成_二维码嵌入_多.zip
08-03
基于JavaScript的PDF文档生成与处理工具_支持中文文本排版_包含字体嵌入_表格绘制_图片插入_分页控制_水印添加_书签生成_加密保护_表单填写_条形码生成_二维码嵌入_多
基于网格图的单机器人路径规划，采用ACO、ACO+GA、SSA、ISSA算法.zip
最新发布
08-03
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
Kalibr AprilTag标定d435i深度相机 双目标定
02-23
### 使用 Kalibr 和 AprilTag 对 Intel RealSense D435i 进行双目标定 #### 准备工作 为了确保标定过程顺利进行，需确认设备和环境设置无误。首先，在 Ubuntu 18.04 上安装必要的驱动程序并验证 Realsense Viewer 可正常显示摄像头画面[^2]。 #### 创建 AprilTag 描述文件 针对特定尺寸的 AprilTags 标记，创建相应的描述文件 `april_6x6_50x50cm_A4.yaml`。此文件定义了标签的具体参数，特别是 tagSize 参数应基于实际测量的大格子边长设定。例如： ```yaml n_tags: 36 tag_size: 0.024 # 实际测量得到的大格子边长 tagcode: "36h11" board_rows: 6 board_cols: 6 ``` 该配置适用于 A4 纸打印的 50 cm × 50 cm 的棋盘格图案，其中包含了 36 个大小为 2.4 cm×2.4 cm 的正方形标记[^3]。 #### 关闭结构光 由于默认情况下启用的结构光可能会干扰标定流程中的特征检测效果，建议在执行标定时暂时禁用这一功能。可以通过 ROS 启动脚本实现这一点: ```bash roslaunch realsense2_camera rs_camera.launch enable_ir_emitter:=false ``` 上述命令将在不激活红外发射器的情况下启动相机节点。 #### 执行 Kalibr 标定 完成前期准备工作之后，可以利用 Kalibr 工具包来进行内外参估计。具体操作如下： 1. **采集图像序列** 利用移动平台携带相机围绕校准板缓慢匀速运动，收集多角度下的图像帧作为后续计算的基础素材。注意保持足够的覆盖范围以便获得更精确的结果。 2. **运行 kalibr_calibrate_cameras 命令** 将获取的数据集路径传递给 Kalibr 提供的 Python 脚本以发起正式的标定请求。假设数据存储于 `/path/to/dataset/` 文件夹内，则指令形式如下所示： ```bash kalibr_calibrate_cameras --target april_6x6_50x50cm_A4.yaml --bag /path/to/dataset/*.bag ``` 此处指定的目标模板即前面提到过的自定义 YAML 文件；而 .bag 文件则封装了一系列时间戳同步后的 RGB-D 图像流片段[^1]。 3. **分析输出结果** 成功完成后，Kalibr 应返回一组优化后的摄像机内部参数矩阵 K、失真系数向量 D 以及其他关联信息。这些数值对于后续应用至关重要，比如机器人导航或三维重建等领域。 #### 结果保存与验证 最后一步是对所得模型的质量加以检验，并将其持久化存档方便日后调用。通常做法是将关键属性写入 JSON 或者 XML 文档中去。此外还可以借助可视化工具直观感受重投影误差分布状况来辅助判断整体性能优劣程度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值