Lidar-Imu Calibration#

概述#

Lidar-Imu 校准对于定位和地图构建算法非常重要,用于自动驾驶.在本教程中,我们将校准使用 OA-LICalib 的激光雷达和 IMU 传感器由 APRIL Lab 开发的工具,在中国浙江大学.

OA-LICalib 是 LiDAR-IMU 的校准方法在连续时间批量优化中，其中两个传感器的固有传感器之间的时间偏移量和传感器之间的时空外在经过全面校准，没有明确的手工目标。

警告

此校准工具是使用 ROS 1 开发的,与 ROS 2 不兼容. 因此,我们提供了一个 docker 镜像,其中包含 ROS 1 和所有必要的软件包. 在校准说明中,我们将要求您在您的系统.

我们的 tutorial_vehicle 校准过程的 ROS 2 bag示例

Files:             rosbag2_2023_08_18-14_42_12_0.db3
Bag size:          12.4 GiB
Storage id:        sqlite3
Duration:          202.140s
Start:             Aug 18 2023 14:42:12.586 (1692358932.586)
End:               Aug 18 2023 14:45:34.727 (1692359134.727)
Messages:          22237
Topic information: Topic: /sensing/gnss/sbg/ros/imu/data | Type: sensor_msgs/msg/Imu | Count: 20215 | Serialization Format: cdr
                   Topic: /sensing/lidar/top/pointcloud_raw | Type: sensor_msgs/msg/PointCloud2 | Count: 2022 | Serialization Format: cdr

数据收集和准备#

激光雷达 - IMU 校准需要一个 ROS 1 bag文件,其中包含 sensor_msgs/PointCloud2 和 sensor_msgs/Imu 消息. 为了在校准过程中获得良好的结果, 您需要在收集数据时在所有 6 个轴(X、Y、Z、滚动、俯仰、偏航)上移动传感器. 因此,在数据收集时将传感器拿在手中会得到更好的结果, 但您也可以收集有关车辆的数据.如果您正在收集有关车辆的数据, 你应该画 8 和网格的数字.

lidar-imu-calib-data-collection — 激光雷达 - IMU 校准数据收集

此外,校准精度还受数据收集环境的影响. 您应该在包含大量平面的地方收集数据, 而室内空间是这些条件下的最佳位置. 但是,您也可以在户外取得良好的效果. 收集数据时,请务必绘制 8 和网格的数字, 从各个角度捕获数据.

将 ROS 2 bag转换为 ROS 1 bag#

如果您在 ROS 2 中收集了校准数据, 您可以按照以下说明将其转换为 ROS 1 bag 文件：

如果 ROS 2 bag 文件包含非标准消息主题,则拆分该文件 (您只能选择 sensor_msgs/PointCloud2 和 sensor_msgs/Imu 消息), 并将您的拆分 ROS 2 包文件转换为 ROS 1 包.

创建一个名为 out.yaml 的 yaml 文件,其中包含您的 lidar 和 imu 主题：

output_bags:
  - uri: splitted_bag
    topics: [/your/imu/topic, /your/pointcloud/topic]

拆分您的 ROS 2 bag 文件：

ros2 bag convert -i <YOUR-ROS2-BAG-FOLDER> -o out.yaml

将拆分后的 ROS 2 bag 文件转换为 ROS 1 bag 文件：

# 安装 bag 转换工具 (https://gitlab.com/ternaris/rosbags)
pip3 install rosbags

# 转换 bag
rosbags-convert <YOUR-SPLITTED-ROS2-BAG-FOLDER> --dst <OUTPUT-BAG-FILE>

rosbags-convert --src ./splitted_bag --dst tomato_ros1.bag --src-typestore ros2_humble

Lidar-Imu 校准#

作为第一步,我们需要在我们的系统上安装 docker. 您可以安装 docker 使用此链接,或者您可以使用以下命令使用 Apt 存储库安装 docker.

设置 Docker 的 Apt 存储库：

# 添加 Docker 的官方 GPG 密钥:
sudo apt-get update
sudo apt-get install ca-certificates curl gnupg
sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpg

# 将存储库添加到 Apt 源:
echo \
  "deb [arch="$(dpkg --print-architecture)" signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \
  "$(. /etc/os-release && echo "$VERSION_CODENAME")" stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

安装 Docker 包：

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

要检查 docker 是否安装正确,您可以运行以下命令：

sudo docker run hello-world

在完成安装之前,我们需要将我们的用户添加到 docker 组. 这将允许我们在没有 sudo 的情况下运行 docker 命令：

sudo groupadd docker
sudo usermod -aG docker $USER

警告

运行上述命令后,您需要注销并重新登录才能在没有 sudo 的情况下运行 docker 命令.

安装 docker 后,我们就可以运行校准工具了.作为第一步,您应该克隆校准存储库：

git clone https://github.com/leo-drive/OA-LICalib.git

然后,您需要构建 docker 镜像：

cd OA-LICalib/docker
sudo docker build -t oalicalib .

构建 docker 镜像后,您需要从镜像创建一个容器：

警告

您需要使用克隆存储库的路径更新 REPO_PATH 在您的系统上.

export REPO_PATH="/home/ros/work/OA-LICalib"

docker run -it --env="DISPLAY" --volume="$HOME/.Xauthority:/root/.Xauthority:rw" --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" --volume="$REPO_PATH:/root/catkin_oa_calib/src/OA-LICalib" oalicalib bash

docker run -it \
  --gpus all \
  --env="DISPLAY=$DISPLAY" \
  --env="QT_X11_NO_MITSHM=1" \
  --env="NVIDIA_VISIBLE_DEVICES=all" \
  --env="NVIDIA_DRIVER_CAPABILITIES=compute,utility,graphics" \
  --volume="$HOME/.Xauthority:/root/.Xauthority:rw" \
  --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
  --volume="$REPO_PATH:/root/catkin_oa_calib/src/OA-LICalib" \
  --net=host \
  oalicalib bash

在运行校准工具之前,您应该更改配置文件.您可以在 OA-LICalib/config 中找到配置文件

将配置文件中的以下参数更改为您的 topic 和 sensors：

这些是激光雷达型号选项: VLP_16_packet, VLP_16_points, VLP_32E_points, VLS_128_points, Ouster_16_points, Ouster_32_points, Ouster_64_points, Ouster_128_points, RS_16

start_time 和 end_time 是您要使用的 rosbag 的间隔

path_bag 是 rosbag 文件的路径,但您需要给出里面的路径容器,而不是您的本地系统.例如如果您在 OA-LICalib/data 目录中有一个 rosbag 文件, 您需要将路径指定为 /root/calib_ws/src/OA-LICalib/data/rosbag2_2023_08_18-14_42_12_0.bag

topic_lidar: /sensing/lidar/top/pointcloud_raw
topic_imu: /sensing/gnss/sbg/ros/imu/data

LidarModel: VLP_16_SIMU

selected_segment:
  - {
      start_time: 0,
      end_time: 40,
      path_bag: /root/calib_ws/src/OA-LICalib/data/rosbag2_2023_08_18-14_42_12_0.bag,
    }

创建容器并更改参数后, 您可以构建并运行 calibration 工具：

cd /root/catkin_oa_calib
catkin_make -DCATKIN_WHITELIST_PACKAGES=""

source devel/setup.bash
roslaunch oa_licalib li_calib.launch

运行校准工具后,您可以跟踪校准过程连接到另一个终端上的容器.要连接到容器, 您可以运行以下命令：

xhost +local:docker
docker exec -it <container_name> bash

警告

您需要替换为容器的名称. 要查看您的容器名称,您可以运行 docker ps 命令.此命令的 output 应该是这样的,你可以找到你的容器名称在最后一列中：

CONTAINER ID   IMAGE      COMMAND                  CREATED         STATUS         PORTS     NAMES
adb8b559c06e   calib:v1   "/ros_entrypoint.sh …"   6 seconds ago   Up 5 seconds             your_awesome_container_name

连接到容器后,您可以看到校准过程. 运行 Rviz 后, 您需要添加以下内容 Rviz 的主题：

/ndt_odometry/global_map
/ndt_odometry/cur_cloud

rviz

如果 /ndt_odometry/global_map 看起来失真,您应该调整 ndt 参数在 OA-LICalib/config/simu.yaml 文件中.

lidar-imu-calib-rviz — 激光雷达 - IMU 标定 RViz 屏幕

为了获得更好的结果,您可以调整 config/simu.yaml 文件中的参数.参数说明如下：

参数	值
ndtResolution	体素网格分辨率参数,用于 NDT 网格结构 (VoxelGridCovariance) 0,5 室内案例和室外案例 1.0
ndt_key_frame_downsample	体素网格下采样函数的分辨率参数
map_downsample_size	体素网格下采样函数的分辨率参数
knot_distance	时间间隔
plane_motion	如果您从车辆收集数据,请设置为 true
gyro_weight	陀螺仪传感器输出的轨迹估计权重
accel_weight	加速度传感器输出的轨迹估计权重
lidar_weight	激光雷达传感器输出的轨迹估计权重