1. rosbag包转化成.mat文件参考教程：https://blog.csdn.net/sinat_25923849/article/details/107868065
2. 标定教程：https://blog.csdn.net/qq_18276949/article/details/114634990
3.官方说明:
地址： https://github.com/rpng/kalibr_allan 
实验步骤
- 在 IMU 静止时，记录一袋 ROS 读数(我们收集了一袋约 4 小时）
- 将 ROS 包转换为 matlab mat 文件。
参考1的方法
（1） 使用包含的bagconvertROS 包来执行此操作 （2）例子：rosrun bagconvert bagconvert imu.bag /imu0 4. 运行包含的 matlab 脚本生成读数的艾伦偏差图 (1)如果使用并行版本，则使用 matlab 并行工具箱 (2)需要指定bagconverter制作的mat文件，以及IMU消息的速率 5. 解释生成的图表以查找噪声值 (1)脚本的操作处理结果 (2)适合艾伦图左侧 -1/2 线 （3）白噪声为 tau=1（根据kalibr wiki） (4)适合艾伦图右侧 1/2 线 (5)随机行走 tau=3 （根据kalibr wiki） 6. 这里可以找到一些示例数据： （1）XSENS MTI-G-700 （2）Tango Yellowstone Tablet （3）ASL-ETH VI-Sensor
4. 官方参数实践说明：
地址：https://github.com/ethz-asl/kalibr/wiki/IMU-Noise-Model
Kalibr IMU 在实践中，噪声参数 需要注意的是，这里使用 IMU 测量误差模型来自传感器，传感器不运动，温度恒定。
因此，例如，不考虑温度变化引起的比例因子误差和偏差变化。显然，这个模型是乐观的。特别是在使用带 Kalibr 的低成本 MEMS IMU 也许你还必须增加噪声模型参数来捕获这些错误。换句话说，如果您直接使用从静态传感器数据中获得的sigmas”，Kalibr 倾向于过于信任你 IMU 测量结果，解决方案不会是最好的。