提示：所有文章的目录都可以添加到这里。目录需要手动添加 TODO:写完再整理

本文先对传感器模型常用于机器人/无人驾驶做一个简单的介绍，具体内容后续更多，其他模块可以参考我的其他文章

提示：以下是本文的主要内容

分为位置式绝对编码器、增量编码器

1）目的：用编码器输出解算车的位移增量和角度增量，需已知轮子半径和两轮轴距 2） 方法:车中心雷达/RTK做观察，以此为真值，反推模型参数 3）论文： Simultaneous Calibration of Odometry and Sensor Parameters for Mobile Robots . .

(1)惯性装置-机械陀螺 固定轴：当陀螺转子高速旋转时，陀螺仪上没有外力矩时，防盗标志–盒子君hzj】陀螺仪的自转轴在惯性空间中保持稳定，即指向固定方向；抵抗任何改变转子轴向的力

进动性：当转子高速旋转时，如果外力矩作用于外环轴，陀螺仪将绕内环轴旋转–盒子君hzj】如果外力矩作用于内环轴，陀螺仪将绕外环轴旋转。转角速度方向垂直于外力矩方向

(2)惯性器件-激光陀螺 Sagnac法国物理学家有效 Sagnac 于 1913 当干涉仪相对惯性空间静止时，年发现其原理是， 光路A 和 B 光程相等，当有角速度时，光程不相等，会产生干扰

1) 量化噪声 所有量化操作中固有的噪声是数字传感器中不可避免的噪声； 原因：通过AD采集把连续时间信号采集成离散信号的过程中，【防盗标记–盒子君hzj】精度损失，精度损失的大小和AD转换越小，量化噪声越小

2) 随机游走角度 宽带角速率白噪声：陀螺输出角速率含有噪声，噪声中的白噪声噪声成分和马尔可夫性质误差称为角度随机行走 原因：计算姿势的本质是对角速率的积分，这必然会对噪声产生积分。白噪声的积分不是白噪声，而是一个马尔可夫过程，即当前时刻的误差是基于上次误差的随机白噪声

3) 角速率随机游走 类似于角度随机行走，角速率误差中包含的马尔可夫性质误差，防盗标志–盒子君hzj】它被称为角速率随机游走。马尔可夫性质的误差是宽带角加速率白噪声积累的结果

4) 零偏不稳定噪声 零偏：即常说bias，一般不是固定参数，而是在一定范围内随机缓慢漂移 零偏差不稳定性：零偏差随时间变化缓慢，其变化值无法预测。有必要假设一个概率范围来描述它落在这个范围内的可能性。时间越长，范围越大

5) 速率斜坡 这个误差是一个趋势误差，而不是一个随机误差。随机误差，是指您不能使用确定性模型拟合并消除它，最多只能使用概率模型来描述它，所以预测结果也是概率性质，趋势误差，可以直接拟合消除，最常见的原因是温度引起零位变化，可以通过温度补充消除

6) 零偏重复性 多次启动时，零偏不相等，因此会有一个重复性误差。在实际使用中，【防盗标记–盒子君hzj】需要每次上电都重新估计一次，Allan方差分析时，不包含对零偏重复性的分析

. .

由于加工原因，产生零偏、标度因数误差、安装误差。 标定方法 1)惯性器件内参误差标定 2)分立级标定 3)半系统级标定 4)系统级标定

不同类型标定方法的比较

1. 分立级标定精度较高，但依赖于转台；
2. 半系统级标定精度最差，但不依赖转台，成本低、效率高，对MEMS的标定需求已经足够；
3. 系统级标定精度最高，但只适用于标定高精度惯导

参考 论文：A Robust and Easy to Implement Method for IMU Calibration without External Equipments 代码：https://github.com/Kyle-ak/imu_tk . .

温补的本质是系统辨识，既要找出合适的物理模型，又要识别物理模型的参数 温补在器件误差补偿中是最重要的【防盗标记–盒子君hzj】，但也是最“没有技术含量”的 . .

惯性导航解算包括：姿态解算、速度解算、位置解算，其中姿态解算最为核心

姿态解算方法的推导，是整个惯性技术中最为复杂的，但是却最为“无用”的

. .

（1）介绍 激光雷达传感器创建环境的点云表征，提供摄像头难以获取的距离或者高度信息。激光点云可以提高物体许多信息，比如其形状和表面纹理，通过对点进行聚类和分析，能通过对象检测、跟踪或分类信息

一般是多个激光束同时发射，并绕固定轴旋转，来探测三维环境

（2）激光雷达的工作方式 激光雷达传感器向周围环境发射脉冲光波；【防盗标记–盒子君hzj】 这些脉冲碰撞到周围物体反弹并返回传感器； 传感器使用每个脉冲返回到传感器所花费的时间来计算其传播的距离； 每秒重复数百万次此过程，将创建精确的实时3D环境地图

（3）Velodyne 16线三维激光雷达介绍 https://blog.csdn.net/Travis_X/article/details/104109095 . .

单片机处理：先接到单片机上做处理的，在上传到CPU上的（更好的硬件时间同步） CPU处理：直接连接pc . .

1)优点 测距精度非常高，可以达到厘米级别； 自带光源，不受白天夜晚的环境条件限制

2)缺点 远处的激光点之间的间隔较大，64线扫描距离比较远的物体时会比较稀疏，无法识别远处的物体； 激光雷达想要发射的更远发射的功率就越大，【防盗标记–盒子君hzj】否则会在空间中衰减掉，但由于出于激光对人眼安全的考虑，它有一个功率限制，因此感知范围有限，大概六七十米左右 . .

非重复扫描，他的扫描方式是梅花瓣状的，经过多次扫描后获得比机械旋转雷达更稠密的点云 . .

与激光雷达类似，但是发射的不是激光而是毫米波，【防盗标记–盒子君hzj】是主动式的感知，不受光照的影响，可以通过多普勒效应测汽车与障碍物的相对速度

(1)优点 测距测速都比较准

(2)缺点 噪点比较多 对非金属材质的召回比较低 非常稀疏，无法做识别

1. 目的：解算雷达和相机之间的相对旋转和平移
2. 方法：PnP是主流，视觉提取特征点，雷达提取边缘，建立几何约束
3. 参考 论文： LiDAR-Camera Calibration using 3D-3D Point correspondences 代码：https://github.com/ankitdhall/lidar_camera_calibration 论文： Automatic Extrinsic Calibration for Lidar-Stereo Vehicle Sensor Setups 代码： https://github.com/beltransen/velo2cam_calibration

1. 目的：由于安装原因，线束之间的夹角和设计不一致，会导致测量不准。
2. 方法：多线束打在平面上，利用共面约束，求解夹角误差
3. 参考 论文： Calibration of a rotating multi-beam Lidar 论文： Improving the Intrinsic Calibration of a Velodyne LiDAR Sensor 论文： 3D LIDAR–camera intrinsic and extrinsic calibration: Identifiability and analytical least-squares-based initialization

1. 目的：多雷达是常见方案，使用时将点云直接拼接，但前提是已知雷达之间的外参（相对旋转和平移）
2. 方法：基于特征(共面)建立几何约束，从而优化外参
3. 参考： 论文： A Novel Dual-Lidar Calibration Algorithm Using Planar Surfaces 代码： https://github.com/ram-lab/lidar_appearance_calibration . .

图像在计算机中以矩阵形式存储（二维数组），图像在计算机中以矩阵形式存储（二维数组）

摄像头图像是最常见的计算机视觉数据，图像中的每一个像素只是一个值，这些值构成图像矩阵，可以改变像素的值，比如添加一个标量整数改变图像亮度。

彩色图像被构建为值的三维立方体，每个立方体都有高度、宽度和深度，深度为颜色通道数，RGB图像深度为3。 . .

（1）科普 普通相机可以用针孔模型很好地近似，照片记录了真实世界在成像平面上的投影，但是这个过程丢弃了“距离”维度上的信息

（2）针孔相机模型示意图 . .

（3）针孔相机模型表达式 . .

（4）针孔相机投影顺序 投影顺序：世界——相机——归一化平面——像素 . . （5）针孔相机畸变类型及模型 （1）畸变类型 1）径向畸变 2）切向畸变 （2）畸变数学模型 畸变可以用归一化坐标的变换来描述 1）径向畸变多项式描述 2）切向畸变多项式描述 3）径向+切向畸变多项式描述 实际当中可灵活保留各项系数 . . （6）针孔相机观测总步骤

s示意图 基线:左右相机中心距离称为基线

视差（disparity）:d称为视差（disparity），描述同一个点在左右目上成像的距离，d最小为1个像素，因此双目能测量的z有最大值：fb，虽然距离公式简单，但d不容易计算

左右像素的几何关系

使用物理手段测量深度，通常能得到与RGB图对应的深度图

（1）飞行时间ToF原理

（2）结构光原理

（1）优点 比较稠密的感知，基本能看清图像中的细节； 可以感知的范围比较远，通过配置不同的焦距可以看到几百米以外的物体

（2）缺点 易受光线环境的影响； 由于是单目相机，无法获知深度信息 . .

（1）超声波传感器原理

淘宝10块钱的店铺应该有图 在发送端echo发出信号，在接收端接收返回来的信号，【防盗标记–盒子君hzj】计算发送和接收之间的时间差，距离=（声速*发送和接收之间的时间差）/2

（2）优点 近距离测距

（3）缺点 感知范围有限； 只能在低速环境中做感知

. .

原理和超声波相似，只是载体不是声音是红外光，不用计算发送接收的时间差，以模拟量的方式一直运行，通过运放把接收回来的信号放大给到单片机做识别，顾测量距离的远近可以通过调节灵敏电阻实现

. .

传感器自身性质，例如camera焦距，Lidar中各激光管的垂直朝向角； . .

传感器之间的相对位置和朝向，用3自由度的旋转矩阵和3自由度的平移向量表示 . .

在原有离散时间融合模式下，简单地解决时间同步问题 离散时间 Online Temporal Calibration for Monocular Visual-Inertial Systems Online Temporal Calibration for Camera-IMU Systems: Theory and Algorithms

连续时间 3D Lidar-IMU Calibration based on Upsampled Preintegrated Measurements for Motion Distortion Correction a. kalibr 系列 论文：Continuous-Time Batch Estimation using Temporal Basis Functions 论文： Unified Temporal and Spatial Calibration for Multi-Sensor Systems 论文： Extending kalibr Calibrating the Extrinsics of Multiple IMUs and of Individual Axes 代码：https://github.com/ethz-asl/kalibr 论文： Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation 代码：https://github.com/APRIL-ZJU/lidar_IMU_calib

. .