当前位置：首页 > news >正文

从零开始使用LiDAR_IMU_Init：3步完成LiDAR与IMU的精准标定

news 2026/4/13 13:51:04

从零开始使用LiDAR_IMU_Init：3步完成LiDAR与IMU的精准标定

【免费下载链接】LiDAR_IMU_Init[IROS2022] Robust Real-time LiDAR-inertial Initialization Method.项目地址: https://gitcode.com/gh_mirrors/li/LiDAR_IMU_Init

LiDAR_IMU_Init是一款强大的实时LiDAR-惯性系统初始化工具，能够快速实现LiDAR与IMU之间的时间偏移和外参标定，同时估计重力向量和IMU偏差。无需目标或额外传感器，即可在各种环境下实现精准标定，支持机械旋转LiDAR（如Hesai、Velodyne）和固态LiDAR（如Livox Avia/Mid360）。

📋 准备工作：环境搭建与依赖安装

在开始标定前，需要确保系统满足以下要求：

操作系统：Ubuntu 18.04及以上
ROS版本：Melodic及以上
核心依赖：
- PCL 1.8+：PCL安装指南
- Eigen 3.3.4+：Eigen安装指南
- ceres-solver 2.0.0+：Ceres安装指南
- livox_ros_driver（针对Livox LiDAR）：安装教程

⚠️ 注意：使用Livox系列LiDAR时，必须先安装并source livox_ros_driver，建议将source $Livox_ros_driver_dir$/devel/setup.bash添加到~/.bashrc中。

快速部署方案：Docker一键安装

对于新手用户，推荐使用Docker快速部署，省去复杂的依赖配置：

构建Docker镜像：
```
cd docker docker build -t li_init:1.0 .
```

创建并启动容器（需替换{LiDAR_IMU_Init_repo_root}为实际项目路径）：

xhost +local:docker nvidia-docker run --privileged -it \ -e NVIDIA_DRIVER_CAPABILITIES=all \ -e NVIDIA_VISIBLE_DEVICES=all \ --volume={LiDAR_IMU_Init_repo_root}:/home/catkin_ws/src \ --volume=/tmp/.X11-unix:/tmp/.X11-unix:rw \ --net=host \ --ipc=host \ --shm-size=1gb \ --name=li_init \ --env="DISPLAY=$DISPLAY" \ li_init:1.0 /bin/bash

🔧 第一步：项目构建与配置

1. 克隆代码仓库

cd ~/catkin_ws/src git clone https://gitcode.com/gh_mirrors/li/LiDAR_IMU_Init cd .. catkin_make -j source devel/setup.bash

2. 关键参数配置

根据传感器类型修改配置文件（位于config/目录，如avia.yaml、velodyne.yaml）：

基础参数：
- lid_topic：LiDAR点云话题名（如/livox/lidar）
- imu_topic：IMU数据话题名（如/imu/data）
- mean_acc_norm：静止时加速度模值（普通IMU设为9.805，Livox内置IMU设为1）
高级参数：
- cut_frame_num：子帧分割数量（机械LiDAR推荐设为3，固态LiDAR设为5）
- filter_size_surf：曲面滤波尺寸（室内0.05~0.15m，室外0.5m）
- online_refine_time：外参优化时间（推荐15~30秒）

📝 配置示例：config/avia.yaml（适用于Livox Avia LiDAR）

🚀 第二步：执行标定流程

1. 启动标定程序

根据LiDAR型号选择对应的launch文件：

# 机械旋转LiDAR（如Velodyne） roslaunch lidar_imu_init velodyne.launch # 固态LiDAR（如Livox Avia） roslaunch lidar_imu_init livox_avia.launch

2. 传感器激励操作

为确保标定精度，需按照系统提示进行传感器激励：

静止初始化：启动后保持设备静止5秒以上，积累初始点云地图
动态激励：按照终端提示进行旋转、平移等动作（参考下图激励方式）

图：标定过程中推荐的传感器激励动作，需涵盖三维空间旋转与平移

3. 标定结果输出

标定完成后，结果将自动保存至：

result/Initialization_result.txt

文件包含外参矩阵、时间偏移、重力向量等关键参数，可直接用于FAST-LIO等SLAM系统。

📊 第三步：结果验证与应用

1. 标定精度评估

LiDAR_IMU_Init提供了量化的标定精度评估，以下是与其他方法的对比：

![外参标定精度对比](https://raw.gitcode.com/gh_mirrors/li/LiDAR_IMU_Init/raw/d8a4ccaea163dffd1c42e3c2634f22dc7a991e71/image/Extrinsic calibration.png?utm_source=gitcode_repo_files)表：外参标定结果对比，本方法旋转误差0.62°，平移误差0.016m，处理时间仅10.2秒

![时间同步精度对比](https://raw.gitcode.com/gh_mirrors/li/LiDAR_IMU_Init/raw/d8a4ccaea163dffd1c42e3c2634f22dc7a991e71/image/temporal calibration.png?utm_source=gitcode_repo_files)图：时间偏移标定结果，与FAST-LIO2相比，端到端误差从0.246m降至0.0102m