3. 传感器标定与同步
在VIO（Visual-Inertial Odometry）系统中，标定与同步是决定定位精度上限的“地基工程”。很多团队在算法层面反复调参却收效甚微，根源往往在于内参畸变未收敛、IMU噪声模型失真、外参存在毫米级偏差，或时间戳存在毫秒级错位。本节围绕四类核心标定对象展开：相机内参、IMU噪声参数、相机-IMU外参、时间同步，并给出量产场景下的在线标定思路。
一、核心原理：为什么标定与同步决定VIO鲁棒性
VIO的观测模型由视觉重投影误差与IMU预积分残差共同构成。相机内参决定像素与归一化平面的映射关系，若焦距或畸变系数偏差0.5%，在远距离特征点上会放大为数十像素的投影误差；IMU噪声参数（噪声密度、随机游走）直接进入预积分协方差传播，参数偏小会导致滤波器过度自信，偏大则使IMU权重被稀释；相机-IMU外参描述两个传感器坐标系之间的旋转与平移，平移误差在旋转运动下会产生与角速度耦合的虚假加速度；时间同步则决定IMU积分区间与图像曝光时刻是否对齐，1ms的时间偏差在1rad/s角速度下可造成约0.057°的姿态误差。
二、四类标定对象与方法流程
1. 相机内参标定：使用棋盘格或AprilTag标定板，采集15~30张不同姿态图像，通过张正友标定法求解焦距、主点、畸变系数。量产中推荐使用Kalibr或OpenCV的calibrateCamera，并关注重投影误差RMS，通常要求小于0.3像素。
# Kalibr 相机内参标定示例
kalibr_calibrate_cameras \
--bag cam.bag \
--topics /cam0/image_raw \
--models pinhole-radtan \
--target april_6x6.yaml2. IMU噪声参数标定：需要估计加速度计与陀螺仪的噪声密度（连续时间）和随机游走。常用Allan方差法：静止采集2~4小时IMU数据，绘制Allan标准差曲线，在斜率-1/2处读取噪声密度，斜率+1/2处读取随机游走。
3. 相机-IMU外参标定：求解T_cam_imu，包含旋转和平移。离线使用Kalibr的calibrate_imu_camera，需要充分激励所有轴（尤其是绕重力方向的旋转）。在线标定则把外参作为状态量加入滤波器或优化窗口，通过视觉-惯性残差持续修正。
4. 时间同步：包括硬件同步（触发信号、PPS）与软件同步（时间戳对齐、时间偏移估计）。量产中优先硬件同步，若无法实现，则需在线估计t_d（相机与IMU时间偏移）。
三、量产场景中的标定策略与参数清单
量产设备通常采用“产线离线标定 + 出厂固化 + 运行时在线微调”的三级策略。产线标定保证一致性，出厂固化写入只读分区，运行时在线标定应对温度漂移、装配应力释放和轻微碰撞。下表给出关键参数与验收阈值参考。
| 标定对象 | 关键参数 | 典型方法 | 验收阈值 |
|---|---|---|---|
| 相机内参 | fx, fy, cx, cy, k1, k2, p1, p2 | 张正友 / Kalibr | 重投影RMS < 0.3 px |
| IMU噪声 | σ_a, σ_g, σ_ba, σ_bg | Allan方差 | 与datasheet偏差 < 20% |
| 相机-IMU外参 | R_ci, t_ci | Kalibr / 在线优化 | 旋转 < 0.5°, 平移 < 5 mm |
| 时间同步 | t_d 时间偏移 | 硬件PPS / 在线估计 | |t_d| < 1 ms |
四、在线标定方法与工程误区
在线标定将待估参数加入状态向量，通过滑动窗口优化或滤波器在线更新。常见做法包括：将外参R_ci, t_ci与时间偏移t_d作为随机游走状态，在VINS-Mono、OpenVINS等框架中均有实现。在线标定的可观测性依赖充分的运动激励：纯平移无法观测旋转外参，纯匀速无法观测时间偏移。
- 用低纹理场景标定外参，导致视觉约束不足，外参收敛到错误局部极小。
- 忽略IMU温度漂移，冷启动标定参数在高温下失效。
- 时间同步仅依赖ROS时间戳，未考虑曝光延迟与传输延迟。
- 在线标定未设置参数边界，外参被噪声“拉飞”。
综上，相机内参、IMU噪声、外参和时间同步四者环环相扣。离线标定提供可靠初值，在线标定应对时变误差，而时间同步是贯穿始终的基准。只有把标定与同步当作量产交付的硬指标，VIO系统才能在真实场景中保持稳定定位。