目錄
1 安裝im_utils
這個工具之前就使用過了，還寫了博客，沒想到在這裏用上了，博客地址：https://blog.csdn.net/learning_tortosie/article/details/89878769 ，現直接搬運到這裏。
imu_utils是一個用於分析IMU性能的ROS工具包。
1.1 安裝
首先，安裝依賴：
sudo apt-get install libdw-dev
作者在README.md中的編譯步驟爲：
- download required code_utils;
- put the ROS package imu_utils and code_utils into your workspace, usually named catkin_ws;
- cd to your workspace, build with catkin_make;
但是，如果這樣操作，會編譯出錯。查了一下，需要先編譯code_utils，然後再編譯imu_utils，不能同時編譯，應該是依賴問題。
正確的編譯步驟：
mkdir -p imu-calibration/src
cd imu-calibration/src
git clone https://github.com/gaowenliang/code_utils.git
cd ..
catkin_make
cd imu-calibration/src
git clone https://github.com/gaowenliang/imu_utils.git
cd ..
catkin_make
1.2 可能出現的Error
當然，還有可能遇到一些錯誤。
錯誤1：找不到Eigen
我們一般通過以下命令安裝Eigen：
sudo apt-get install libeigen3-dev
這樣Eigen就默認安裝在/usr/include/eigen3，需要在/home/jlg/imu-calibration/src/code_utils/CMakeLists.txt中註釋掉find_package(Eigen3 REQUIRED)，然後添加：
include_directories(/usr/include/eigen3)
錯誤2：找不到backward.hpp
atal error: backward.hpp: No such file or directory
把文件code_utils/src/sumpixel_test.cpp中的#include "backward.hpp"改成#include "code_utils/backward.hpp"即可。
錯誤3：std::ofstream未定義
/home/***/imu-calibration/src/imu_utils/src/imu_an.cpp:69:19: error: aggregate ‘std::ofstream out_t’ has incomplete type and cannot be defined
打開文件imu_utils/src/imu_an.cpp，添加：
#include <fstream>
1.3 運行
1.採集IMU數據
在 IMU 靜止時收集數據，持續兩小時。
2.播放數據
rosbag play -r 200 imu_A3.bag
作者提供了5個IMU數據集，可以先測試一下。
3.啓動節點
roslaunch imu_utils A3.launch
注意launch文件：
<launch>
<node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
<param name="imu_topic" type="string" value= "/djiros/imu"/>
<param name="imu_name" type="string" value= "A3"/>
<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>
要根據自己的IMU，修改imu_topic 和imu_name。
4.樣例
我使用的imu_16448.bag，結果保存在imu_utils/data/16448_imu_param.yaml，對於其他 txt 文件，可以用imu_utils/scripts中的Matlab腳本繪圖。
%YAML:1.0
type: IMU
name: “16448”
Gyr:
unit: rad/s
avg-axis:
gyr_n: 2.5540703819967830e-03
gyr_w: 7.3979547257109791e-05
x-axis:
gyr_n: 2.5732073264841159e-03
gyr_w: 7.9169715719978401e-05
y-axis:
gyr_n: 2.5490825380843534e-03
gyr_w: 6.8388779942953886e-05
z-axis:
gyr_n: 2.5399212814218798e-03
gyr_w: 7.4380146108397072e-05
Acc:
unit: " m/s^2"
avg-axis:
acc_n: 2.7851422418165215e-02
acc_w: 1.2053367145964710e-03
x-axis:
acc_n: 2.6671201438493906e-02
acc_w: 9.3260697511083528e-04
y-axis:
acc_n: 3.2016249942269592e-02
acc_w: 1.8349143250976515e-03
z-axis:
acc_n: 2.4866815873732146e-02
acc_w: 8.4848884358092636e-04
1.4 參考資料
- Allan Variance: Noise Analysis for Gyroscopes
- vectornav gyroscope
- An introduction to inertial navigation
2 編譯vio_data_simulation-master
vio_data_simulation-master是一個Cmake工程，按套路操作就好。
cd vio_data_simulation-master
mkdir build
cd build
camke ..
make
cd ../bin
./data_gen
此時，在vio_data_simulation-master/bin目錄下會生成一些txt文件，我們需要的是imu_pose.txt和imu_int_pose.txt，然後用Python的matplotlib繪圖。
cd ../python_tool
python draw_trajctory.py
說明
imu_pose.txt是由給定的軌跡方程和歐拉角，生成IMU的pose，imu_int_pose.txt是由給定的軌跡得到速度和加速度，再根據歐拉法和中值法得到IMU的pose，通過比較兩個pose，可以得到歐拉法和中值法的效果。
2.1 歐拉法
（1）公式
（2）軌跡對比圖
2.2 中值積分法
（1）公式
（2）代碼
（3）軌跡對比圖
對比：目測中值法比歐拉法精度高。
3 編譯vio_data_simulation-ros_version
3.1 編譯
mkdir -p catkin_ws_vio_data_simulation-ros_version/src
cp vio_data_simulation-ros_version catkin_ws_vio_data_simulation-ros_version/src
cd catkin_ws_vio_data_simulation-ros_version
catkin_make
3.2 生成imu.bag
首先，打開catkin_ws_vio_data_simulation/src/vio_data_simulation-ros_version/src/gener_alldata.cpp，設置imu.bag的存儲路徑。
bag.open("/your-path/imu.bag", rosbag::bagmode::Write);
然後，啓動節點，生成imu.bag。
source devel/setup.bash
rosrun vio_data_simulation vio_data_simulation_node
3.3 使用imu_utils標定IMU的白噪聲和零偏不穩定性
執行以下命令可知imu.bag的topic爲imu。
rosbag info imu.bag
path: imu.bag
version: 2.0
duration: 3hr 59:59s (14399s)
start: Jun 23 2019 19:46:01.57 (1561290361.57)
end: Jun 23 2019 23:46:01.57 (1561304761.57)
size: 1.0 GB
messages: 2880001
compression: none [1344/1344 chunks]
types: sensor_msgs/Imu\ [6a62c6daae103f4ff57a132d6f95cec2]
topics: imu 2880001 msgs : sensor_msgs/Imu
方便起見，可以直接使用imu_utils/launch/16448.launch，然後將imu_topic改爲imu，將imu_name改爲mems。
roslaunch imu_utils mems.launch
播放數據：
rosbag play imu.bag
一段時間後，在imu_utils/data下會生成一些txt文件和yaml文件。
其中，mems_imu_param.yaml爲：
%YAML:1.0
type: IMU
name: mems
Gyr:
unit: rad/s
avg-axis:
gyr_n: 2.0890432536871339e-01
gyr_w: 1.0350659865036070e-03
x-axis:
gyr_n: 2.1267688959379552e-01
gyr_w: 9.9416942028848852e-04
y-axis:
gyr_n: 2.0914260308003346e-01
gyr_w: 1.1582639020507859e-03
z-axis:
gyr_n: 2.0489348343231117e-01
gyr_w: 9.5276463717154658e-04
Acc:
unit: " m/s^2"
avg-axis:
acc_n: 2.6687745286836656e-01
acc_w: 3.5593223039378573e-03
x-axis:
acc_n: 2.6424317346164494e-01
acc_w: 4.2147930911496092e-03
y-axis:
acc_n: 2.7021759937094070e-01
acc_w: 3.1101473189795565e-03
z-axis:
acc_n: 2.6617158577251410e-01
acc_w: 3.3530265016844057e-03
修改imu_utils/scripts/draw_allan.m中txt文件的路徑，然後使用Matlab運行。
（1）陀螺儀的艾倫方差曲線如下：
分析：陀螺儀的高斯白噪聲比較準確，但bias隨機遊走噪聲與設定值相差兩個數量級，不清楚原因，可能是imu_utlis自身的問題。後面會用kalibr_allan工具標定一下。
（2）加速度的艾倫方差曲線如下：
分析：加速度計的高斯白噪聲和bias隨機遊走噪聲比較準確。
PS：剛發現，Sigma單位應爲：m/s^2，這裏先不改了，原諒我偷下懶。
4 總結
由於時間精力有限：
- 沒有測試kalibr_allan工具（https://github.com/rpng/kalibr_allan）的性能
- 沒有做提升作業
- 對艾倫方差的理解還不夠深入