当前位置：首页 > news >正文

从PX4飞控到T265相机：手把手教你搭建完整的视觉惯性里程计（VIO）标定流水线

news 2026/6/2 19:08:42

从PX4飞控到T265相机：构建高精度视觉惯性里程计（VIO）的完整标定指南

在无人机和移动机器人领域，视觉惯性里程计（VIO）已成为实现自主导航的关键技术。将PX4飞控的IMU数据与Intel Realsense T265相机的视觉信息融合，可以构建鲁棒性极强的位姿估计系统。然而，这一过程涉及复杂的传感器标定流程，需要工程师对坐标系转换、标定工具链和实际部署有深入理解。

本文将系统性地介绍从IMU内参标定、相机内参标定到相机-IMU外参联合标定的完整流程，特别针对PX4飞控的FLU坐标系与T265相机坐标系的差异提供详细解决方案。不同于简单的工具使用教程，我们将深入探讨标定结果的验证方法和在实际VIO系统中的集成技巧。

1. 环境准备与基础概念

1.1 硬件配置要求

构建VIO系统需要以下硬件组件：

PX4/Pixhawk系列飞控：推荐使用Pixhawk 4或更高版本，确保IMU传感器质量
Intel Realsense T265相机：内置IMU和双目鱼眼相机，支持VSLAM
机载计算机：推荐使用Jetson Xavier NX或Intel NUC，运行Ubuntu 18.04/20.04
标定板：AprilTag或棋盘格标定板（建议使用AprilTag 6x6，尺寸不小于80cm）

1.2 软件依赖安装

在开始标定前，需要安装以下关键软件包：

# 基础依赖 sudo apt-get install -y liblapack-dev libsuitesparse-dev libgflags-dev \ libgoogle-glog-dev libeigen3-dev libboost-all-dev # ROS melodic/noetic (根据Ubuntu版本选择) sudo apt-get install -y ros-$ROS_DISTRO-cv-bridge ros-$ROS_DISTRO-image-transport \ ros-$ROS_DISTRO-tf ros-$ROS_DISTRO-mavros

1.3 坐标系基础

理解不同传感器的坐标系定义是正确标定的前提：

传感器	坐标系定义	正向方向
PX4 IMU	FLU (前左上天)	X:机头方向，Y:左侧，Z:上方
T265相机	AR/VR标准	X:右方，Y:下方，Z:前方
Kalibr标定	传统视觉	X:右方，Y:下方，Z:前方

2. IMU内参标定与PX4配置

2.1 IMU噪声模型理解

IMU的噪声特性通常用以下两个参数描述：

噪声密度(Noise Density)：白噪声特性，影响单次测量精度
随机游走(Random Walk)：零偏不稳定性，影响长期积分误差

使用Allan方差分析可以准确标定这些参数。对于PX4飞控，建议采集至少2小时的静止数据。

2.2 提升PX4 IMU数据频率

默认的IMU输出频率可能不足，需要通过MAVLink命令提升：

# 临时设置IMU输出频率为200Hz mavlink stream -d /dev/ttyACM0 -s HIGHRES_IMU -r 200 # 永久设置（在飞控SD卡创建/etc/extras.txt） echo "mavlink stream -d /dev/ttyS3 -s HIGHRES_IMU -r 200" >> /etc/extras.txt

2.3 使用imu_utils进行标定

安装并配置imu_utils工具：

# 创建工作空间 mkdir -p ~/imu_ws/src cd ~/imu_ws/src git clone https://github.com/gaowenliang/imu_utils.git git clone https://github.com/gaowenliang/code_utils.git cd .. && catkin_make # 录制数据（静止状态） rosbag record /mavros/imu/data -O imu_calib.bag

标定完成后，会生成包含IMU噪声参数的YAML文件，这些参数将用于后续的VIO算法配置。

3. T265相机标定实战

3.1 相机模型选择

T265使用鱼眼镜头，在Kalibr中应选择omni-radtan模型。关键参数包括：

内参(intrinsics)：焦距、主点坐标
畸变系数(distortion)：径向和切向畸变参数

3.2 数据采集技巧

采集高质量标定数据需要注意：

标定板应覆盖相机视野的不同区域
包含各种旋转和平移运动
保持标定板在视野中的时间足够长
建议采集频率为20Hz，时长3-5分钟

# 使用AprilTag标定板示例 rosrun kalibr kalibr_calibrate_cameras \ --bag /path/to/camera.bag \ --topics /fisheye1/image_raw /fisheye2/image_raw \ --models omni-radtan omni-radtan \ --target /path/to/aprilgrid.yaml

3.3 标定结果验证

合格标定结果应满足：

重投影误差 < 1像素（848x800分辨率）
误差分布均匀，无系统性偏差
标定板位姿覆盖充分（检查标定报告中的位姿分布图）

4. 相机-IMU外参联合标定

4.1 数据采集的特殊要求

联合标定需要充分激励IMU，运动应包含：

绕三个轴的旋转运动
三个方向的平移运动
变化的速度和加速度
避免长时间静止或匀速运动

4.2 Kalibr联合标定命令

rosrun kalibr kalibr_calibrate_imu_camera \ --target /path/to/aprilgrid.yaml \ --bag /path/to/imu_cam.bag \ --cam /path/to/camera.yaml \ --imu /path/to/imu.yaml \ --timeoffset-padding 0.1

4.3 外参矩阵解析与验证

标定结果中的外参矩阵T_ic表示从相机到IMU的变换：

T_ic: (cam0 to imu0): [[-0.008 -0.469 0.883 0.086] [-0.999 0.034 0.008 0.039] [-0.034 -0.882 -0.469 -0.083] [ 0. 0. 0. 1. ]]

可以使用在线工具将旋转矩阵转换为欧拉角，验证其物理意义是否合理。特别注意PX4的FLU坐标系与相机坐标系的对应关系。

5. 在VIO系统中的实际应用

5.1 VINS-Fusion配置示例

将标定结果应用于VINS-Fusion时，配置文件关键参数：

# IMU参数 imu: topic: "/mavros/imu/data" model: "px4" acc_n: 4.86e-3 # 加速度计噪声密度 gyr_n: 5.46e-4 # 陀螺仪噪声密度 acc_w: 2.39e-4 # 加速度计随机游走 gyr_w: 6.20e-6 # 陀螺仪随机游走 # 外参参数 body_T_cam0: rows: 4 cols: 4 data: [-0.008, -0.469, 0.883, 0.086, -0.999, 0.034, 0.008, 0.039, -0.034, -0.882, -0.469, -0.083, 0.0, 0.0, 0.0, 1.0]