LiDAR_IMU_Init
LiDAR_IMU_Init copied to clipboard
hku-mars
Livox Horizon反复多次标定，内置IMU的线加速度比激光雷达的线加速度差别非常大，几乎无法重合
感谢大佬发布高质量的作品。我是用Horizon和其内置的imu进行标定，室外场景，每次激光雷达的线加速度比IMU的线加速度大非常多：
校准结果如下：
Initialization result:
Rotation LiDAR to IMU (degree) = -1.148407 0.976242 0.077176
Translation LiDAR to IMU (meter) = -0.079951 0.089463 -0.023574
Time Lag IMU to LiDAR (second) = -0.008057
Bias of Gyroscope (rad/s) = -0.014254 0.000652 0.017108
Bias of Accelerometer (meters/s^2) = -0.010185 0.009784 -0.010027
Gravity in World Frame(meters/s^2) = -0.548225 0.268300 -9.790994
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999854 -0.001688 0.017006 -0.079951
0.001347 0.999798 0.020064 0.089463
-0.017037 -0.020038 0.999654 -0.023574
0.000000 0.000000 0.000000 1.000000
Refinement result:
Rotation LiDAR to IMU (degree) = -2.308273 2.146560 0.307814
Translation LiDAR to IMU (meter) = 0.014408 -0.026519 -0.045003
Time Lag IMU to LiDAR (second) = -0.008057
Bias of Gyroscope (rad/s) = 0.002983 -0.000369 -0.002918
Bias of Accelerometer (meters/s^2) = -0.000807 0.009512 -0.047373
Gravity in World Frame(meters/s^2) = -0.536506 0.255392 -9.765394
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999284 -0.006876 0.037206 0.014408
0.005368 0.999166 0.040474 -0.026519
-0.037453 -0.040245 0.998488 -0.045003
0.000000 0.000000 0.000000 1.000000
另外一组同样的设备，同样的场景校准结果如下：
校准结果如下：
Initialization result:
Rotation LiDAR to IMU (degree) = -0.648640 0.525992 -0.899704
Translation LiDAR to IMU (meter) = -0.125558 0.074944 -0.008613
Time Lag IMU to LiDAR (second) = -0.008028
Bias of Gyroscope (rad/s) = 0.003915 0.001149 0.004719
Bias of Accelerometer (meters/s^2) = -0.010200 -0.009895 -0.004655
Gravity in World Frame(meters/s^2) = -0.074485 0.187377 -9.807927
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999835 0.015596 0.009355 -0.125558
-0.015700 0.999814 0.011174 0.074944
-0.009179 -0.011319 0.999894 -0.008613
0.000000 0.000000 0.000000 1.000000
Refinement result:
Rotation LiDAR to IMU (degree) = -1.405847 1.788843 0.014381
Translation LiDAR to IMU (meter) = -0.032261 0.003270 -0.116524
Time Lag IMU to LiDAR (second) = -0.008028
Bias of Gyroscope (rad/s) = 0.000219 0.000296 0.001392
Bias of Accelerometer (meters/s^2) = -0.013455 -0.018133 -0.038624
Gravity in World Frame(meters/s^2) = -0.037713 0.161751 -9.782781
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999513 -0.001017 0.031198 -0.032261
0.000251 0.999699 0.024540 0.003270
-0.031214 -0.024520 0.999212 -0.116524
0.000000 0.000000 0.000000 1.000000
我的horizon.yaml 配置文件如下：
common:
lid_topic: "/livox/lidar"
imu_topic: "/livox/imu"
preprocess:
lidar_type: 1 # Livox series LiDAR
feature_extract_en: false
scan_line: 6
blind: 1
initialization:
cut_frame_num: 5 # must be positive integer
orig_odom_freq: 10
mean_acc_norm: 1 # 1: for livox built-in IMU
online_refine_time: 20.0
data_accum_length: 500
Rot_LI_cov: [ 0.00005, 0.00005, 0.00005 ]
Trans_LI_cov: [ 0.00001, 0.00001, 0.00001 ]
mapping:
filter_size_surf: 0.3
filter_size_map: 0.4
gyr_cov: 50
acc_cov: 2
b_acc_cov: 0.0001
b_gyr_cov: 0.0001
det_range: 260.0
publish:
path_en: true
scan_publish_en: true # false: close all the point cloud output
dense_publish_en: true # false: low down the points number in a global-frame point clouds scan.
scan_bodyframe_pub_en: false # true: output the point cloud scans in IMU-body-frame
pcd_save:
pcd_save_en: true
interval: -1 # how many LiDAR frames saved in each pcd file;
# -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames.
希望大佬指点迷津，不吝赐教！
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
你好,请教一下关于horizon用lidar-imu-init的方法标定,我启动roslaunch lidar_imu_init livox_horizon.launch后,为什么很快三个方向的进度条就都满了?雷达还在原地,根本没有给他三个方向的激励.输出的标定结果也显然完全不对.感谢!
你好,请教一下关于horizon用lidar-imu-init的方法标定,我启动roslaunch lidar_imu_init livox_horizon.launch后,为什么很快三个方向的进度条就都满了?雷达还在原地,根本没有给他三个方向的激励.输出的标定结果也显然完全不对.感谢!
有可能是你的场景太小了，近处有障碍物，试试放在室外？
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
哎…我系统重装了…我改天再装一次测试一下。
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
哎…我系统重装了…我改天再装一次测试一下。
请问你最后跑出来point-lio的结果怎么样?我看x和y基本没问题,z轴漂移的问题比较严重.另外,标定imu与lidar的时间差似乎没有意义,因为我看源代码,那个参数time_diff_lidar_to_imu最后没有被赋值并使用
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
哎…我系统重装了…我改天再装一次测试一下。
请问你最后跑出来point-lio的结果怎么样?我看x和y基本没问题,z轴漂移的问题比较严重.另外,标定imu与lidar的时间差似乎没有意义,因为我看源代码,那个参数time_diff_lidar_to_imu最后没有被赋值并使用
我没有测试过point-lio，有机会测试
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
谢谢大佬，我这回换成地下停车场了，线加速度貌似有改善，我总共测试了两次。但是还是不如别人测试出的结果：
测试1：
Initialization Result 1：
Initialization result:
Rotation LiDAR to IMU (degree) = -1.651767 -0.310123 0.687265
Translation LiDAR to IMU (meter) = -0.110982 -0.013314 -0.034078
Time Lag IMU to LiDAR (second) = -0.002122
Bias of Gyroscope (rad/s) = 0.001023 0.003493 0.000672
Bias of Accelerometer (meters/s^2) = 0.009924 0.009901 -0.007683
Gravity in World Frame(meters/s^2) = -0.626068 0.481949 -9.778132
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999913 -0.011833 -0.005755 -0.110982
0.011994 0.999515 0.028756 -0.013314
0.005412 -0.028822 0.999570 -0.034078
0.000000 0.000000 0.000000 1.000000
Refinement result:
Rotation LiDAR to IMU (degree) = -1.509254 -0.334247 0.964456
Translation LiDAR to IMU (meter) = 0.036230 0.024046 -0.013446
Time Lag IMU to LiDAR (second) = -0.002122
Bias of Gyroscope (rad/s) = 0.000203 -0.001716 0.000412
Bias of Accelerometer (meters/s^2) = 0.019986 0.019764 -0.030311
Gravity in World Frame(meters/s^2) = -0.617381 0.476924 -9.759885
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999841 -0.016671 -0.006274 0.036230
0.016831 0.999514 0.026235 0.024046
0.005833 -0.026336 0.999636 -0.013446
0.000000 0.000000 0.000000 1.000000
测试2：
Initialization Result 2：
Rotation LiDAR to IMU (degree) = -0.826641 -0.225618 -0.182743
Translation LiDAR to IMU (meter) = 0.005643 0.086310 -0.078526
Time Lag IMU to LiDAR (second) = -0.001803
Bias of Gyroscope (rad/s) = -0.003765 -0.003836 -0.002947
Bias of Accelerometer (meters/s^2) = 0.010071 0.009823 -0.010104
Gravity in World Frame(meters/s^2) = -0.524762 0.383424 -9.788448
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999987 0.003246 -0.003891 0.005643
-0.003189 0.999891 0.014439 0.086310
0.003937 -0.014426 0.999888 -0.078526
0.000000 0.000000 0.000000 1.000000
Refinement result:
Rotation LiDAR to IMU (degree) = -0.308096 -0.541690 0.925623
Translation LiDAR to IMU (meter) = 0.076496 0.050379 -0.016162
Time Lag IMU to LiDAR (second) = -0.001803
Bias of Gyroscope (rad/s) = 0.002440 -0.002316 -0.000287
Bias of Accelerometer (meters/s^2) = -0.003373 0.011977 -0.019799
Gravity in World Frame(meters/s^2) = -0.476321 0.350985 -9.767144
Homogeneous Transformation Matrix from LiDAR to IMU:
0.999825 -0.016102 -0.009539 0.076496
0.016153 0.999856 0.005223 0.050379
0.009453 -0.005377 0.999941 -0.016162
0.000000 0.000000 0.000000 1.000000
两次测试的.yaml文件都是一样的：
common:
lid_topic: "/livox/lidar"
imu_topic: "/livox/imu"
preprocess:
lidar_type: 1 # Livox series LiDAR
feature_extract_en: false
scan_line: 6
blind: 1
initialization:
cut_frame_num: 5 # must be positive integer
orig_odom_freq: 10
mean_acc_norm: 1.0 # 1: for livox built-in IMU
online_refine_time: 20.0
data_accum_length: 500
Rot_LI_cov: [ 0.00005, 0.00005, 0.00005 ]
Trans_LI_cov: [ 0.00001, 0.00001, 0.00001 ]
mapping:
filter_size_surf: 0.05
filter_size_map: 0.15
gyr_cov: 50
acc_cov: 2
b_acc_cov: 0.0001
b_gyr_cov: 0.0001
det_range: 260.0
publish:
path_en: true
scan_publish_en: true # false: close all the point cloud output
dense_publish_en: true # false: low down the points number in a global-frame point clouds scan.
scan_bodyframe_pub_en: false # true: output the point cloud scans in IMU-body-frame
pcd_save:
pcd_save_en: true
interval: -1 # how many LiDAR frames saved in each pcd file;
# -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames.
@zfc-zfc
@shixiaosongye 项目目录里面有个matlab_code 和 log 文件夹。 用matlab_code里面的代码来读取log里面的标定结果就可以绘出上面的图。 如果运行code有错误的话，可以让chatgpt小改一下就行了。
你好,请教一下关于horizon用lidar-imu-init的方法标定,我启动roslaunch lidar_imu_init livox_horizon.launch后,为什么很快三个方向的进度条就都满了?雷达还在原地,根本没有给他三个方向的激励.输出的标定结果也显然完全不对.感谢!
有可能是你的场景太小了，近处有障碍物，试试放在室外？
你用的是激光雷达内置的IMU还是外置的IMU？
汇报一下：我又重新看了下大神的视频，我发现我的移动方式有问题，不是视频中的这个样子，因此我又重新按照视频里的移动轨迹，重新做了5次校准。结果好了不少，但是还是不够理想：
加速度的质量很依赖于LO的精度，而LO的精度比较依赖场景，可以尽量选一个平面特征多的场景，比如地下车库，建筑物内部。可以看看你的yaml参数表吗？
谢谢大佬，我这回换成地下停车场了，线加速度貌似有改善，我总共测试了两次。但是还是不如别人测试出的结果：
测试1：
Initialization Result 1：
Initialization result: Rotation LiDAR to IMU (degree) = -1.651767 -0.310123 0.687265 Translation LiDAR to IMU (meter) = -0.110982 -0.013314 -0.034078 Time Lag IMU to LiDAR (second) = -0.002122 Bias of Gyroscope (rad/s) = 0.001023 0.003493 0.000672 Bias of Accelerometer (meters/s^2) = 0.009924 0.009901 -0.007683 Gravity in World Frame(meters/s^2) = -0.626068 0.481949 -9.778132 Homogeneous Transformation Matrix from LiDAR to IMU: 0.999913 -0.011833 -0.005755 -0.110982 0.011994 0.999515 0.028756 -0.013314 0.005412 -0.028822 0.999570 -0.034078 0.000000 0.000000 0.000000 1.000000 Refinement result: Rotation LiDAR to IMU (degree) = -1.509254 -0.334247 0.964456 Translation LiDAR to IMU (meter) = 0.036230 0.024046 -0.013446 Time Lag IMU to LiDAR (second) = -0.002122 Bias of Gyroscope (rad/s) = 0.000203 -0.001716 0.000412 Bias of Accelerometer (meters/s^2) = 0.019986 0.019764 -0.030311 Gravity in World Frame(meters/s^2) = -0.617381 0.476924 -9.759885 Homogeneous Transformation Matrix from LiDAR to IMU: 0.999841 -0.016671 -0.006274 0.036230 0.016831 0.999514 0.026235 0.024046 0.005833 -0.026336 0.999636 -0.013446 0.000000 0.000000 0.000000 1.000000测试2：
Initialization Result 2：
Rotation LiDAR to IMU (degree) = -0.826641 -0.225618 -0.182743 Translation LiDAR to IMU (meter) = 0.005643 0.086310 -0.078526 Time Lag IMU to LiDAR (second) = -0.001803 Bias of Gyroscope (rad/s) = -0.003765 -0.003836 -0.002947 Bias of Accelerometer (meters/s^2) = 0.010071 0.009823 -0.010104 Gravity in World Frame(meters/s^2) = -0.524762 0.383424 -9.788448 Homogeneous Transformation Matrix from LiDAR to IMU: 0.999987 0.003246 -0.003891 0.005643 -0.003189 0.999891 0.014439 0.086310 0.003937 -0.014426 0.999888 -0.078526 0.000000 0.000000 0.000000 1.000000 Refinement result: Rotation LiDAR to IMU (degree) = -0.308096 -0.541690 0.925623 Translation LiDAR to IMU (meter) = 0.076496 0.050379 -0.016162 Time Lag IMU to LiDAR (second) = -0.001803 Bias of Gyroscope (rad/s) = 0.002440 -0.002316 -0.000287 Bias of Accelerometer (meters/s^2) = -0.003373 0.011977 -0.019799 Gravity in World Frame(meters/s^2) = -0.476321 0.350985 -9.767144 Homogeneous Transformation Matrix from LiDAR to IMU: 0.999825 -0.016102 -0.009539 0.076496 0.016153 0.999856 0.005223 0.050379 0.009453 -0.005377 0.999941 -0.016162 0.000000 0.000000 0.000000 1.000000两次测试的.yaml文件都是一样的：
common: lid_topic: "/livox/lidar" imu_topic: "/livox/imu" preprocess: lidar_type: 1 # Livox series LiDAR feature_extract_en: false scan_line: 6 blind: 1 initialization: cut_frame_num: 5 # must be positive integer orig_odom_freq: 10 mean_acc_norm: 1.0 # 1: for livox built-in IMU online_refine_time: 20.0 data_accum_length: 500 Rot_LI_cov: [ 0.00005, 0.00005, 0.00005 ] Trans_LI_cov: [ 0.00001, 0.00001, 0.00001 ] mapping: filter_size_surf: 0.05 filter_size_map: 0.15 gyr_cov: 50 acc_cov: 2 b_acc_cov: 0.0001 b_gyr_cov: 0.0001 det_range: 260.0 publish: path_en: true scan_publish_en: true # false: close all the point cloud output dense_publish_en: true # false: low down the points number in a global-frame point clouds scan. scan_bodyframe_pub_en: false # true: output the point cloud scans in IMU-body-frame pcd_save: pcd_save_en: true interval: -1 # how many LiDAR frames saved in each pcd file; # -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames.@zfc-zfc
可以看看initialization阶段的点云地图是否清晰，如果不清晰，可能需要调整下LO的参数。 另外，把data_accum_length调大到1500试试