Intel RealSense D435i 标定实战：从工具安装到VINS配置全流程解析

1. 准备工作：认识D435i与标定原理

第一次拿到Intel RealSense D435i时，我盯着这个火柴盒大小的设备看了半天——它凭什么能实现三维感知？拆开包装后发现，这玩意儿居然集成了双目红外相机、RGB彩色相机和IMU惯性测量单元。但问题来了：这些传感器出厂时虽然做了基础校准，但想要达到SLAM算法要求的精度，必须重新标定。

举个生活化的例子：就像买了一把新吉他，出厂时弦距和音准都是"大概齐"，真要演奏就得自己调音。D435i的标定也是同理，我们需要测量三个关键参数：

• 内参：相当于乐器的音色特性，包括相机焦距、畸变系数等固有属性
• 外参：类似多根琴弦的相对位置，描述相机与IMU之间的空间关系
• IMU噪声参数：好比演奏时的环境干扰，需要量化传感器的随机误差

实测发现，未经标定的D435i直接跑VINS-Fusion，轨迹漂移能达到每小时几十米。而经过完整标定后，相同场景下漂移可以控制在米级以内。下面我就手把手带大家走完这个"调音"全过程。

2. 工具安装与环境配置

2.1 基础驱动安装

首先确保你的Ubuntu系统版本在18.04以上（推荐20.04），然后按这个顺序安装：

# 添加RealSense官方源 sudo apt-key adv --keyserver keys.gnupg.net --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE || sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main" -u # 安装核心组件 sudo apt-get install librealsense2-dkms librealsense2-utils sudo apt-get install librealsense2-dev librealsense2-dbg

安装完成后插上设备，运行测试：

realsense-viewer

你应该能看到彩色图像、深度图和IMU数据流。如果遇到权限问题，记得把当前用户加入video组：

sudo usermod -a -G video $USER

2.2 ROS驱动安装

建议使用ROS Noetic版本（对应Ubuntu 20.04），安装命令如下：

sudo apt-get install ros-noetic-realsense2-camera sudo apt-get install ros-noetic-realsense2-description

启动ROS节点测试：

roslaunch realsense2_camera rs_camera.launch rostopic list # 应该能看到/camera/color/image_raw等话题

2.3 标定工具安装

这里需要两个核心工具：

• imu_utils：用于IMU内参标定
• kalibr：用于相机和联合标定

安装imu_utils时有个坑要注意——必须先装code_utils：

# 先安装依赖 sudo apt-get install libdw-dev # 按顺序编译 mkdir -p ~/calibration_ws/src cd ~/calibration_ws/src git clone https://github.com/gaowenliang/code_utils.git cd .. catkin_make # 这里可能会报错，需要先注释掉code_utils中的#include "backward.hpp" # 再编译imu_utils cd src git clone https://github.com/gaowenliang/imu_utils.git cd .. catkin_make

kalibr的安装更复杂些，推荐用docker方式：

# 安装docker sudo apt-get install docker.io sudo usermod -aG docker $USER newgrp docker # 拉取kalibr镜像 docker pull stereolabs/kalibr # 测试运行 docker run -it stereolabs/kalibr

3. IMU内参标定实战

3.1 数据采集准备

先修改ROS启动文件，确保IMU数据正确同步。创建rs_imu_calibration.launch文件：

<launch> <include file="$(find realsense2_camera)/launch/rs_camera.launch"> <arg name="unite_imu_method" value="linear_interpolation"/> <arg name="enable_sync" value="true"/> </include> </launch>

启动节点并检查数据：

roslaunch realsense2_camera rs_imu_calibration.launch rostopic hz /camera/imu # 应该看到200Hz左右的输出

3.2 长时间数据录制

IMU标定需要静止状态下至少2小时的数据（是的，就是这么久！）：

rosbag record -O imu_calib.bag /camera/imu

我通常晚上开始录制，第二天早上处理。如果时间不够，可以用200倍速回放：

rosbag play -r 200 imu_calib.bag

3.3 执行标定程序

创建标定配置文件d435i_imu.launch：

<launch> <node pkg="imu_utils" type="imu_an" name="imu_an" output="screen"> <param name="imu_topic" value="/camera/imu"/> <param name="imu_name" value="d435i"/> <param name="data_save_path" value="$(find imu_utils)/data/"/> <param name="max_time_min" value="120"/> <param name="max_cluster" value="200"/> </node> </launch>

启动标定：

roslaunch imu_utils d435i_imu.launch rosbag play -r 200 imu_calib.bag

3.4 结果解读

标定完成后会在~/calibration_ws/src/imu_utils/data/生成d435i_imu_param.yaml，关键参数包括：

gyr_n: 1.23e-03 # 陀螺仪白噪声 gyr_w: 2.34e-05 # 陀螺仪随机游走 acc_n: 3.45e-02 # 加速度计白噪声 acc_w: 6.78e-04 # 加速度计随机游走

这些值后续会填入VINS配置。实测发现D435i的IMU噪声参数比手机IMU高1-2个数量级，这也是为什么必须标定的原因。

4. 相机标定全流程

4.1 标定板准备

kalibr支持两种标定板：

• AprilTag网格：推荐6x6布局，标签大小2cm
• 棋盘格：推荐8x11，方格大小3cm

我用A4纸打印AprilTag标定板，生成命令：

kalibr_create_target_pdf --type apriltag --nx 6 --ny 6 --tsize 0.02 --tspace 0.3

对应的yaml配置：

target_type: 'aprilgrid' tagCols: 6 tagRows: 6 tagSize: 0.02 tagSpacing: 0.3

4.2 多相机数据采集

先关闭红外发射器（避免干扰）：

realsense-viewer # 在设置中关闭Emitter Enabled选项

然后启动相机节点：

roslaunch realsense2_camera rs_camera.launch

由于kalibr处理高频图像会崩溃，需要限流：

rosrun topic_tools throttle messages /camera/color/image_raw 20 /color rosrun topic_tools throttle messages /camera/infra1/image_rect_raw 20 /infra_left rosrun topic_tools throttle messages /camera/infra2/image_rect_raw 20 /infra_right

录制数据时注意：

• 缓慢移动标定板（约0.5米/秒）
• 覆盖整个视野范围
• 保持标定板在所有相机中可见

rosbag record -O multicam.bag /color /infra_left /infra_right

4.3 执行标定

准备相机链配置文件camchain.yaml：

cam0: camera_model: pinhole distortion_coeffs: [0, 0, 0, 0] distortion_model: equidistant intrinsics: [600, 600, 320, 240] resolution: [640, 480] rostopic: /infra_left cam1: camera_model: pinhole distortion_coeffs: [0, 0, 0, 0] distortion_model: equidistant intrinsics: [600, 600, 320, 240] resolution: [640, 480] rostopic: /infra_right

运行标定：

kalibr_calibrate_cameras --target aprilgrid.yaml --bag multicam.bag --models pinhole-equi pinhole-equi --topics /infra_left /infra_right

4.4 结果验证

标定完成后会生成report-cam.pdf，重点关注：

• 重投影误差（应<0.2像素）
• 各相机内参一致性
• 双目基线距离（D435i标称约5cm）

典型标定结果示例：

cam0: distortion_coeffs: [0.12, -0.23, 1.45, -2.67] intrinsics: [386.71, 387.18, 320.56, 239.82] cam1: distortion_coeffs: [0.10, -0.21, 1.38, -2.71] intrinsics: [386.95, 387.35, 321.07, 240.44]

5. 相机-IMU联合标定

5.1 数据采集技巧

联合标定需要剧烈运动设备以激励IMU：

1. 先静止5秒让IMU初始化
2. 依次进行：
   • 绕X/Y/Z轴旋转（各5秒）
   • 前后/左右/上下平移（各5秒）
   • 8字形运动（20秒）
3. 全程保持标定板在视野内

限流设置（IMU 200Hz，图像20Hz）：

rosrun topic_tools throttle messages /camera/imu 200 /imu rosrun topic_tools throttle messages /camera/color/image_raw 20 /color rosbag record -O imu_cam.bag /imu /color

5.2 配置文件准备

IMU参数文件imu.yaml（用之前标定结果）：

rostopic: /imu update_rate: 200.0 accelerometer_noise_density: 2.38e-02 accelerometer_random_walk: 5.92e-04 gyroscope_noise_density: 2.17e-03 gyroscope_random_walk: 1.78e-05

相机参数文件cam.yaml（用之前标定结果）：

cam0: camera_model: pinhole distortion_coeffs: [0.12, -0.23, 1.45, -2.67] distortion_model: equidistant intrinsics: [386.71, 387.18, 320.56, 239.82] resolution: [640, 480] rostopic: /color

5.3 执行联合标定

kalibr_calibrate_imu_camera --target aprilgrid.yaml --cam cam.yaml --imu imu.yaml --bag imu_cam.bag

关键参数说明：

• --show-extraction：实时显示特征点
• --bag-from-to 10 100：只使用10-100秒数据
• --max-iter 15：限制优化迭代次数

5.4 结果分析

输出文件report-imucam.pdf中包含：

1. 时空对齐误差（应<0.05）
2. 相机到IMU的变换矩阵
3. 重力向量方向

典型外参结果：

T_ic: rotation: [0.999, -0.001, 0.008, 0.001, 0.999, 0.011, -0.008, -0.011, 0.999] translation: [0.027, 0.008, -0.013] timeshift: -0.025

这个变换矩阵表示：相机坐标系原点在IMU坐标系中X轴右侧2.7cm，Y轴上方0.8cm，Z轴前方1.3cm处。

6. VINS-Fusion配置实战

6.1 配置文件解析

将标定结果转换为VINS格式的realsense_config.yaml：

# 相机内参 image_width: 640 image_height: 480 distortion_parameters: k1: 0.1036 k2: -0.1823 p1: 0.0023 p2: 0.0037 projection_parameters: fx: 601.226 fy: 601.343 cx: 332.172 cy: 240.510 # IMU-相机外参 extrinsicRotation: !!opencv-matrix rows: 3 cols: 3 dt: d data: [0.999, -0.003, -0.005, 0.003, 0.999, -0.012, 0.005, 0.012, 0.999] extrinsicTranslation: !!opencv-matrix rows: 3 cols: 1 dt: d data: [-0.013, -0.001, 0.015] # IMU参数 acc_n: 0.0238 gyr_n: 0.0022 acc_w: 0.0006 gyr_w: 0.00002

6.2 关键参数调优建议

1. 特征点参数：

   max_cnt: 150 # 特征点数量（室内可减少到100） min_dist: 20 # 特征点最小间距 freq: 10 # 结果发布频率

2. 优化器参数：

   max_solver_time: 0.04 # 单次优化最大耗时(ms) max_num_iterations: 8 # 迭代次数 keyframe_parallax: 10 # 关键帧选择阈值(像素)

3. 时间补偿：

   estimate_td: 1 # 启用时间标定 td: -0.025 # 初始时间偏移

6.3 实测效果对比

使用标定前后的参数运行VINS-Mono，在相同场景下的轨迹误差对比：

特别提醒：如果使用D435i的深度信息，记得在VINS配置中关闭深度优化，因为深度相机和彩色相机的外参也需要单独标定。