kalibr标定IMU随机变量(高斯分布)的方差

参考：

标定源码：GitHub - rpng/kalibr_allan: IMU Allan standard deviation charts for use with Kalibr and inertial kalman filters.

注意：kalibr_allan内部只有一个ros包（bagconvert），并且编译需要安装matlab2018a。

安装参考博客：

[1]. 【Ubuntu】安装 Matlab2018a详细教程_1-Walker的博客-CSDN博客_matlab2018a

matlab文件，放到性能好的电脑下运行，windows也可，就可以快一点标定出结果。

---

1. 标定的理论分析 

---

2. 制作IMU数据集的bag包

具体对应的是ROS里面的  Sensor_msg/IMU  结构体数据

---

3. 单独提取bagconvert包出来编译

目前 ：在装了ros的条件下，Matlab2018a能够正常编译上述kalibr源码。

并且需要进入到bagconvert包的 cmake/FindMatlab.cmake 文件，把62行代码改为如下：

    find_program(MATLAB_EXE_PATH matlab
        PATHS /usr/local/MATLAB/R2018a/bin)

原来的路径不是matlab的路径，会找不到，编译失败。

输入2中制作的rosbag包即可输出一个mat文件

只需要运行以下命令：

rosrun bagconvert bagconvert imu.bag（存储IMU数据的bag文件） imu0（IMU话题名）

这里注意的一个细节，后面的话题名（一般的话题名都带有反斜杠）一定要去掉前面的斜杠，因为bagconvert的内部程序，m.getTopic()获得的话题名没有那个反斜杠，在判断 m.getTopic() == 我们输入的话题名，这一个环节就会不能运行正确的程序而导致最终的输出mat文件非常小，1kb都不到。

---

4. 把3中生成的.mat文件放入kalibr工具包的matlab文件

这里最好在性能好的cpu上运行，能快一点。

 

（1）灵活修改 SCRIPT_allan_matparallel.m 文件中以下的内容

 

 

（2）运行 SCRIPT_allan_matparallel.m 文件

运行了12分钟，生成了上面的红框框mat文件 

（3）修改 SCRIPT_process_results.m 文件，如下图，为（2）中生成的文件

， 

（4）运行 SCRIPT_process_results.m 文件

最终得到如下两图：

 

 具体数值的意义见1中的分析。