作為無人車以及智能機器人而言，在裝配過程中各個傳感器之間的外參標定一直是比較頭疼的問題。這里作者也系統(tǒng)的學習了一下，傳感器的外參標定和在線標定問題。

下圖是我們常用的幾個坐標系，而對于常用的外參問題經(jīng)常是IMU/GNSS與車體坐標的外參、Lidar和Camera的外參、Lidar和Lidar的外參、Lidar和IMU/GNSS的外參。

1. 離線外參標定

1.1 IMU/GNSS與車體外參標定

這個IMU/GNSS與車體外參標定如下圖所示，主要需要獲取**T_{car}^{imu}**坐標系，這一類IMU/GNSS設備通過內(nèi)部的緊耦合可以綜合輸出一系列校準后的位姿信息。

同時IMU的輸出頻率是很高的，所以通過插值的形式可以有效地提高整體綜合的頻率輸出。

為了去標定外參，一般的方法是獲取位姿運動的位姿序列，并通過GNSS/IMU來觀測車輛自身的運動（有的時候我們可以通過繞圈的形式+手持點測繪來對車輛自身坐標和GNSS坐標進行匹配計算）。

通過獲取很多個觀測和gnss的轉(zhuǎn)換可以得到cost fuction參與到里面去優(yōu)化。

這里我們也給出了基于車體坐標系odom和IMU的位姿聯(lián)合矯正的相關代碼，考慮到IMU和輪速計的數(shù)據(jù)收集過程中本身在時間上就很難做到完全對齊，此時引入時間偏移（delta_t）用于表示兩者采集時間片之間的誤差，通過循環(huán)標定新產(chǎn)生的輪速計數(shù)據(jù)和原先的IMU
數(shù)據(jù)，選取誤差最小的結果作為最終兩者之間的標定，相應的（delta_t）即認為兩者采集時間的偏差。

其實作為車輛來說，在平面測量后，其實只需要觀測x，y，yaw即可。所以可以將用直線來做約束和校準，得到下圖的公式：