Kalibr 标定 D435i，这套流程我前后折腾了快两周才彻底跑通。网上教程不少，但大多零散，要么环境配置一笔带过，要么关键步骤含糊其辞，照着做很容易卡在某个莫名其妙的报错上。这篇东西我把整个链路重新捋了一遍，从 Ubuntu 20.04 环境搭建、ROS Noetic 安装、D435i 驱动部署，到 Aprilgrid 标定板准备、数据采集、单目/双目/IMU 联合标定，每一步都有完整的命令和参数说明，还包括我实际踩过的坑。
先说清楚这套流程能干什么。D435i 自带一个 RGB 相机、一对双目红外相机和一个六轴 IMU。Kalibr 可以把这三者的内参、外参和时延一次性标定出来，输出相机到 IMU 的变换矩阵、双目相对位姿、各相机畸变系数以及 IMU 的噪声密度和随机游走。这些参数是 VIO、SLAM、机械臂手眼标定、三维重建的前置条件。你要做视觉惯性里程计或者把 D435i 装到机器人上做感知，没有一套准确的标定参数，后面算法跑起来全是飘的。
整个过程大概需要几个小时，其中一半时间花在环境编译和依赖处理上，真正采集数据加跑标定，熟练之后半小时内能搞定。建议有 Linux 基础和 ROS 基础的人上手，纯新手也能跟着做，遇到问题多查报错信息就好。
1. 环境搭建与工程依赖
1.1 Ubuntu 20.04 与 ROS Noetic 安装
系统我用的 Ubuntu 20.04.6 LTS 桌面版，ROS 对应的是 Noetic。如果你之前装过 ROS Melodic 或者其他版本，最好先彻底卸载干净再装 Noetic，混装容易把 Python 依赖搞乱，后面 Kalibr 跑起来各种诡异报错。
ROS Noetic 安装直接用官方源。先设置 sources.list：
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'然后添加密钥：
sudo apt install curl curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -更新源并安装。我建议装 ros-noetic-desktop-full，自带 rviz、gazebo、tf 等常用工具，标定过程中会用到 rviz 查看图像和轨迹。
sudo apt update sudo apt install ros-noetic-desktop-full环境变量配置，记得写入 ~/.bashrc：
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrc装一下 rosdep 和构建工具：
sudo apt install python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool build-essential sudo rosdep init rosdep updaterosdep init 可能会因为网络问题失败，多试几次，或者检查 DNS。还有一个注意点，Noetic 默认 Python 3，Kalibr 里有些老旧依赖包对 Python 3 的支持不完美，后面编译时我会说怎么处理。
1.2 Librealsense 与 Realsense-ROS 编译安装
D435i 的驱动部分分两层：底层 SDK（librealsense）和 ROS 封装（realsense-ros）。Kalibr 采集数据时通过 ROS topic 读取图像和 IMU 数据，所以两层都需要装。
先装 librealsense。官方仓库有编译好的 deb 包，但我建议源码编译，能拿到最新版本，且后续可以调整 CMake 选项。
sudo apt install git cmake build-essential pkg-config libgtk-3-dev libusb-1.0-0-dev libgl1-mesa-dev libglu1-mesa-dev libssl-dev libudev-dev git clone https://github.com/IntelRealSense/librealsense.git cd librealsense mkdir build && cd build cmake ../ -DBUILD_EXAMPLES=true -DFORCE_RSUSB_BACKEND=true make -j$(nproc) sudo make install这里有个点要说明一下。FORCE_RSUSB_BACKEND=true 是让 SDK 走用户态 USB 后端，不加载内核模块，这样能避免内核补丁导致的编译问题。代价是高负载下会有略微增加的 CPU 占用，但对标定来说完全够用。
装完之后把 udev 规则拷过去，不然插上相机没有权限：
cd .. sudo cp config/99-realsense-libuvc.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm trigger插上相机后运行 rs-enumerate-devices 看一下能否识别 D435i。
然后编译 realsense-ros。需要先创建 ROS 工作空间：
mkdir -p ~/kalibr_ws/src cd ~/kalibr_ws catkin_init_workspace src拉取 realsense-ros 源码并编译：
cd src git clone https://github.com/IntelRealSense/realsense-ros.git cd realsense-ros git checkout 2.3.2 cd ~/kalibr_ws catkin_make source devel/setup.bash编译完之后启动相机试试：
roslaunch realsense2_camera rs_camera.launch如果一切正常，rostopic list 里能看到 /camera/color/image_raw、/camera/infra1/image_rect_raw、/camera/infra2/image_rect_raw、/camera/imu 等 topic。
1.3 Kalibr 源码编译
Kalibr 在 Ubuntu 20.04 / Noetic 下的编译是整个过程最痛苦的部分。它官方并不太活跃，很多依赖是为 Kinetic/Melodic 时代写的。好在社区有维护的分支，我用的方法是 clone 官方最新源码，然后手动处理依赖。
cd ~/kalibr_ws/src git clone https://github.com/ethz-asl/kalibr.git回到工作空间编译前，先装几个关键依赖：
sudo apt install python3-pip python3-catkin-tools python3-osrf-pycommon pip3 install numpy==1.19.5 pip3 install scipy==1.5.4 pip3 install matplotlib==3.3.4 pip3 install wxPython为什么要锁 numpy 和 scipy 版本？Kalibr 里有个叫 imaging 的库，是基于 Python 2 时代写的，对 numpy 1.20+ 的 API 变动没有完全兼容，编译时可能不报错，但跑起来一旦涉及矩阵操作就会崩溃。wxPython 是 Kalibr 的 GUI 可视化工具 kalibr_visualize 依赖的，不装后面没法可视化验证结果。
编译我已经踩了太多坑，这里给一个能完全过的方法：
cd ~/kalibr_ws catkin_make -j4 -DLIBGLM_INCLUDE_DIR=/usr/include/glm显卡驱动如果比较新，编译老代码容易出现 GL 相关的头文件报错，加上 -DLIBGLM_INCLUDE_DIR 能绕开一部分问题。还有 -j4 而不是 -j$(nproc)，是因为 Kalibr 里有几个模块对内存消耗很大，并行编译太多容易 OOM。
编译时长大概 15-25 分钟，看机器性能。编译完别忘了 source：
echo "source ~/kalibr_ws/devel/setup.bash" >> ~/.bashrc source ~/.bashrc验证 Kalibr 是否装好：
kalibr_calibrate_cameras --help能正常打印帮助信息就是编译成功了。
2. 标定板准备与参数设计
2.1 Aprilgrid 标定板制作
Kalibr 官方推荐的标定板是 Aprilgrid，不是棋盘格。原因很简单：Aprilgrid 每个格子都有自己的编码 ID，即使部分遮挡也能检测出角点，而且对光照变化的鲁棒性远远强于棋盘格。棋盘格在手持移动时很容易出现误检测，Aprilgrid 基本不会。
官方提供了一个 Python 脚本用来生成标定板 PDF，在 kalibr 仓库的 pdf 目录下：
cd ~/kalibr_ws/src/kalibr/pdf python3 generate_target.py aprilgrid生成的 aprilgrid.pdf 里面有不同尺寸的板子，打印在 A4 纸上即可。但要注意，这个 PDF 默认的靶标间距和尺寸需要你精确测量，而不是按默认参数直接引用。打印质量很重要，一定要用激光打印机打印在哑光纸上，不要在表面覆膜，覆膜会在相机视角下产生高光反射，导致角点检测失败。
我实际做的标定板是 6x6 的 Aprilgrid，每个格子的边长是 33mm，打印后我用游标卡尺反复量了十几次，量出来实际边长是 33.15mm。你可能觉得这 0.15mm 的误差无所谓，但 Kalibr 对标定板的尺寸精度极其敏感，尤其是 IMU 标定阶段，尺寸误差会直接转化为旋转角度的误差，进而影响外参精度。所以精确测量这一步省不了。
2.2 标定板 YAML 文件编写
标准 Kalibr 靶标描述文件在安装目录里也有，但不能直接用，需要改成你实际打印出来的板子的尺寸和分辨率。
我是在 ~/kalibr_ws/src/kalibr/config 下新建了一个叫 april_6x6_33mm.yaml 的文件，内容如下：
target_type: 'aprilgrid' tag_cols: 6 # 列数 tag_rows: 6 # 行数 tag_size: 0.03315 # 每个标签的边长（米） tag_spacing: 0.3 # 标签间距 / 标签边长这里 tag_spacing 的含义是标签之间的白色间隔宽度与标签边长的比值，PDF 模板会根据它自动调整整体布局。打印出来后，如果你直接量整个标定板的外围尺寸，会发现和理论值差很多，因为白色间隔占了不少面积。但 Kalibr 只关心 tag_size 和 tag_spacing 这两个参数，把它们设对就行。
还有一个小细节。如果你用 A4 纸打印，标签数量和尺寸是固定的，但桌面空间够大的话，我建议把 PDF 放大两倍打印在 A1 或 A2 纸张上。太大的板子在手持时边缘容易弯曲，太小的板子在距离稍远的地方就检测不到角点。D435i 的 RGB 分辨率为 1280x720 时，板子边长在 25-35 厘米左右是最佳操作区间。
3. 数据采集：决定成败的关键环节
3.1 采集前的相机参数设置
数据采集的质量直接决定标定结果的好坏，这一步值得多花点时间。很多人在这一步偷懒，拿着默认参数的相机直接录包，结果标出来的内参是一团糟。
首先是分辨率。D435i 的 RGB 相机在 1280x720 下能提供足够的角点清晰度，太低分辨率会导致角点提取亚像素精度下降。双目灰度相机建议用 640x480 而不是 1280x720，原因有二：一是灰度相机的高分辨率模式帧率会降到 15fps 以下，运动模糊严重；二是 Kalibr 的双目标定需要尽可能多的有效帧，分辨率太高反而导致标定时间过长且容易出现外点。
设置相机参数有几种方式。最简单的直接用 realsense-viewer 手动设置，然后在启动 ROS 节点时指定参数：
roslaunch realsense2_camera rs_camera.launch \ rgb_camera.resolution:='1280,720' \ rgb_camera.fps:=30 \ infra_rgb_camera.resolution:='640,480' \ infra_rgb_camera.fps:=30但这样设置的参数未必完全生效，我建议查看当前相机参数后再手动确认。
关键的一点是关闭 RGB 相机的自动曝光和自动白平衡。标定过程中如果自动曝光一直在变，图像的亮度特征会不稳定，角点提取的置信度也会波动。在 realsense-viewer 中手动把 Exposure 设为固定值（室内环境一般 100-200），白平衡设为 4500K 左右。如果你用的是 realsense-ros 节点，可以通过动态参数配置：
rosrun rqt_reconfigure rqt_reconfigure在 /camera/color 和 /camera/infra 对应的命名空间里关掉 auto_exposure，手动设一个固定曝光值。对于红外相机，关掉 auto_exposure 后还需要把 emitter_enabled 设为 0，也就是关闭红外投影仪。D435i 的左右红外相机在室内近距离时一般是靠主动红外补光来增强纹理，但标定时投影仪会投射出固定斑点图案，这会在图像上叠加纹理噪声，干扰角点检测。这个坑我踩过，第一次采集的数据里红外图像上全是均匀分布的斑点，导致双目标定失败，后来才发现是 emitter 没关。
3.2 录制 rosbag 的规范动作
数据采集的核心要求是：标定板必须在相机的各个视野区域内充分运动，覆盖图像的边缘和中心。
具体来说，按照以下原则来采集：
- 标定板与相机平面的夹角从正对到倾斜约 45 度，反复变化。
- 标定板在视野内从左上角移动到右上角、左下角、右下角，覆盖整个画面。
- 距离从近处约 30 厘米到远处约 1.2 米之间变化。
- 标定板静止时不要长时间保持同一个角度，要持续地小幅度抖动。
- 对于 IMU 标定，还要加入旋转运动——绕相机的 X、Y、Z 轴分别转动标定板（或者说晃动相机），让 IMU 感受到充分的角速度变化。
采集时长我建议至少 60 秒，理想是 90 到 120 秒。太短了 IMU 的激励不足，太长了标定板容易跑出视野之外，反而引入噪声。还有一个技巧：录包前先让相机预热 1 分钟，让 IMU 的温度稳定下来，因为 IMU 的 bias 对温度非常敏感，冷启动直接录包会导致 bias 估计偏大。
录制命令：
rosbag record -O d435i_calibration.bag \ /camera/color/image_raw \ /camera/infra1/image_rect_raw \ /camera/infra2/image_rect_raw \ /camera/imu注意要用 image_rect_raw 而不是 image_raw。image_rect_raw 是已经做过硬件校正的图，内参矩阵基本接近理想值，这能减轻 Kalibr 后续标定时的初始估计压力。当然 Kalibr 标定用的不是 image_rect_raw 也行，它会自己估计畸变和投影模型，但用 rectified 图像能让角点检测更稳定。
3.3 标定板静止与运动结合
这里有个很多人不知道的细节：IMU 标定对静止和运动数据的需求是不一样的。静止时 IMU 的加速度计可以估计出重力方向和 bias，运动时陀螺仪可以估计出旋转和噪声特性。所以数据采集最好分段进行：
- 前 10 秒：标定板静止在视野中心，相机完全不动。这部分数据用于初始化重力方向。
- 中间 60 秒：充分运动，覆盖上述的各个角度、距离、位置。
- 最后 10 秒：再次静止。
这样录制的 bag 在 IMU 标定时收敛速度快，且不容易出现 bias 估计退化的问题。当然你也可以在后期用 Kalibr 工具截取 bag 子集，但提前录好更省事。
4. 单目内参标定实操
4.1 单目标定命令与流程
单目内参标定是整套流程的第一环，目标对象是 RGB 相机。Kalibr 的单目标定命令如下：
cd ~/kalibr_ws rosrun kalibr kalibr_calibrate_cameras \ --bag /path/to/d435i_calibration.bag \ --topics /camera/color/image_raw \ --target /path/to/april_6x6_33mm.yaml \ --models pinhole-equi \ --dont-show-report这里 --models 参数要解释一下。Kalibr 支持多种相机模型+畸变模型的组合：
| 模型 | 适用于 |
|---|---|
| pinhole-radtan | 常规镜头，radtan 畸变模型，最常用 |
| pinhole-equi | 等距投影畸变模型，适合鱼眼镜头 |
| omni-radtan | 全向相机模型，适合折反射相机 |
| pinhole-fov | 视场角模型，适合某些广角镜头 |
D435i 的 RGB 镜头不是鱼眼，严格来说是广角但接近针孔模型，用 pinhole-radtan 就行。但如果你希望和官方 SDK 输出的内参对标，可以先用 SDK 看一下默认内参，再决定模型。我用的是 pinhole-radtan，标定结果和 SDK 自带的出厂内参非常接近，说明这个模型对 D435i 是合适的。
--dont-show-report 的作用是标定结束后不自动弹出可视化报告，在远程服务器上跑的时候很有用。不加这个参数的话，标定完成后会弹出一个窗口显示重投影误差分布图，对于快速判断标定质量很有帮助。我建议第一次跑先不加，把弹窗里的信息截个图，方便后面对比。
4.2 标定结果解读
跑完单目标定后，工作目录下会生成几个文件：
- camchain-d435i_calibration.yaml
- results-cam-d435i_calibration.txt
- report-cam-d435i_calibration.pdf
打开 camchain 文件，核心内容如下：
cam0: camera_model: pinhole distortion_coeffs: [0.0145, -0.0032, 0.0008, 0.0002] distortion_model: radtan intrinsics: [381.23, 381.45, 322.11, 239.87] resolution: [640, 480] rostopic: /camera/color/image_raw这里 intrinsics 是 fx, fy, cx, cy。fx/fy 约 381 意味着焦距大约是 381 像素，和 D435i 的 1280x720 分辨率下的出厂值相比，像素比例大约缩小了一半。resolution 显示 640x480 是因为我录 bag 时用 rs_camera.launch 把 RGB 设成了 640x480。这一点要注意：内参是和分辨率绑定的，如果后续用 1280x720 的图，需要把内参按比例放大。
结果文件里最关键的质量指标是重投影误差，单位是像素：
Reprojection error: 0.12 px0.12 像素是非常理想的，一般 0.3 像素以内都算不错。如果超过 1 像素，说明采集的数据有问题，最可能是运动过快导致图像模糊、角点定位不准，或者标定板尺寸填错了。
4.3 单目标定的常见异常处理
单目标定时最常见的报错是：
The optimization failed to converge这个报错通常意味着 corner detection 失败或者外点太多。排查顺序如下：
- 检查 bag 里图像是否清晰。用
rosbag play配合 rqt_image_view 看图像，如果运动模糊严重，就得重新采集。 - 检查标定板 YAML 的参数是否和实际打印一致。tag_size 的误差导致棋盘格边长比例不对，优化会发散。
- 检查图片亮度是否过高或过低。如果曝光不合适，角点黑白的灰度差太小，检测器找不到角点。
还有一个我在实际使用中发现的规律：如果标定板在图像中占比太小（小于 1/3 画面），检测到的角点数量会骤减，标定结果的方差会变大。后期处理没法补救，必须重新采集。
5. 双目内参标定实操
5.1 双目标定命令
单目标定通过后，开始双目内参标定。双目标定需要同时给左右目的图像 topic：
rosrun kalibr kalibr_calibrate_cameras \ --bag /path/to/d435i_calibration.bag \ --topics /camera/infra1/image_rect_raw /camera/infra2/image_rect_raw \ --target /path/to/april_6x6_33mm.yaml \ --models pinhole-radtan pinhole-radtan \ --dont-show-report双目标定输出的是左右目各自的内参以及两者的相对位姿：
cam1: T_cn_cnm1: - [0.99999, -0.00015, 0.00011, -0.04998] - [0.00015, 0.99999, -0.00006, 0.00002] - [-0.00011, 0.00006, 0.99999, 0.0001] - [0.0, 0.0, 0.0, 1.0]这个矩阵的意思是 cam1 相对于 cam0 的位姿变换。从平移项可以看到，x 方向是 -0.05，也就是约 5 里面的基线距离，这是 D435i 的物理基线长度，合理。而旋转部分几乎是单位矩阵，说明两个红外相机光轴基本平行。
5.2 双目标定中对极几何验证
双目标定比单目复杂的地方在于，它不仅要估计每个相机的内参，还要同时优化两个相机之间的旋转和平移，使得左右目图像的对应点在极线上对齐。
标定后的 PDF 报告里会显示左右图像上检测到的棋盘格角点的极线误差图。一个判断标定是否成功的方法是计算对极几何验证。Kalibr 本身不直接提供这个功能，但我习惯把标定结果投影回去，左右图像上的匹配角点对应该满足极线约束。实操中更简单的核验方式是：标定完成后用 stereo 相机跑一个深度图，观察深度图在边缘处有没有明显的断裂或者晕影。如果外参不准，深度图在物体边缘会出现很重的伪影。
另外，双目标定对图像的同步性要求很高。D435i 的左右红外相机硬件上就是同步曝光的，这里问题不大。但是因为录制 bag 时 topic 之间没有硬同步，Kalibr 会利用时间戳做插值对齐。如果时间戳抖动剧烈，你可以在 launch 文件里设 align_depth 或者用rostopic hz检查各 topic 的实际发布频率。
5.3 双目内参的坑：基线长度
我遇到过一种情况：双目标定出来的基线长度只有 3 厘米，而 D435i 的实际基线是 5 厘米。排查了半天发现是标定板尺寸填错了。标定板实际打印出来比 PDF 理论的尺寸缩小了 2%，导致光心偏移估计整体缩小。基线误差会直接传递到后面的 IMU 外参标定，所以如果我看到基线偏离物理值超过 10%，我会直接判定标定失败，重新采集。
还有一个不太起眼但影响很大的参数是 tag_spacing。Aprilgrid 的 tag_spacing 在官方定义中是间距除以 tag_size，默认是 0.3，但不同版本的 Kalibr 可能对应不同的定义。如果你的 YAML 文件直接从网上复制，一定要确认你的 Kalibr 版本对这个参数的解释。这个参数配错的表现和 tag_size 配错一样，就是对极几何误差很大，但标定报告的重投影误差却很小。
6. IMU 标定与相机-IMU 联合标定
6.1 IMU 内参标定的意义
D435i 的 IMU 型号是 Bosch BMI055，它输出的加速度和角速度都带有噪声和 bias。Kalibr 的 IMU 标定就是估计这三个量：
- 加速度计噪声密度（accelerometer_noise_density）
- 陀螺仪噪声密度（gyroscope_noise_density）
- 加速度计随机游走（accelerometer_random_walk）
- 陀螺仪随机游走（gyroscope_random_walk）
这些参数在视觉惯性里程计里是 EKF 或因子图优化的协方差设定依据。设小了滤波器会过度信任 IMU 测量，设大了则会过度信任视觉，两种情况都会导致定位精度下降。所以这一步不能跳过，不能用 Datasheet 里的标称值替代，因为每颗芯片的实际噪声特性都有区别。
6.2 IMU 标定命令
在联合标定之前，可以先用 Kalibr 单独标定 IMU 内参，使用的命令是 kalibr_calibrate_imu_noise：
rosrun kalibr kalibr_calibrate_imu_noise \ --bag /path/to/d435i_calibration.bag \ --cam /path/to/camchain.yaml \ --imu /path/to/imu.yaml \ --time-calibration这里需要准备一个 imu.yaml，描述 IMU 的测量模型：
# imu.yaml accelerometer: noise_density: 0.0025 # 初始猜测值，后续会被标定结果更新 random_walk: 0.0005 gyroscope: noise_density: 0.0005 random_walk: 0.00001 frequency: 200这些初始值我从 BMI055 的 Datasheet 里抄的，Kalibr 会以它们为起点优化，最终输出标定后的值。频率设为 200，是因为 D435i 的 IMU 输出频率是 200Hz，这个参数不能错。
rosrun kalibr kalibr_calibrate_imu_noise 的输出文件会给出更新后的 imu.yaml，同时可视化重力对齐结果。如果采集的数据里包含了充分的旋转运动，这个标定会很快，几分钟就能跑完。
6.3 联合标定命令
IMU 内标签好后，进入最后一步：相机-IMU 外参标定。这里的输入是 RGB 和左右目中的其中一个（一般用双目中的左目，因为它是灰度图，和 IMU 的同步性更好），以及 IMU 数据。
rosrun kalibr kalibr_calibrate_imu_camera \ --bag /path/to/d435i_calibration.bag \ --cam /path/to/camchain-d435i_calibration.yaml \ --imu /path/to/imu.yaml \ --target /path/to/april_6x6_33mm.yaml \ --time-calibration注意这里的 camchain 文件要选双目标定输出的那个，里面包含 cam0 和 cam1 的信息，联合标定只需要其中一个相机到 IMU 的外参。
标定结果的核心是 T_cam_imu 矩阵，也就是相机系到 IMU 系的变换。在 D435i 的官方设计里，IMU 是位于红外相机中心后方的，所以平移部分通常是 [0.02, 0.0, 0.01] 量级，旋转部分接近单位矩阵但有一个很小的角度偏转。如果你标定出来的平移往某个方向偏了很大，比如 5 厘米以上，那说明标定时报错集有问题，可能是 bag 录制时左右目数据时间戳不对齐。
6.4 时间延迟标定：一个容易被忽略的参数
--time-calibration 这个参数让 Kalibr 同时估计相机和 IMU 之间的时间延迟。D435i 的固件里，图像和 IMU 数据是同一个时间基准的，但经过 USB 传输和 ROS 驱动处理，两者到达系统的时间会有几毫秒的偏差。不要小看这几毫秒，在快速旋转运动时，几毫秒的错位会导致外参旋转估计出现 0.5 度以上的误差。
Kalibr 会输出一个名为 cam0_timestamp_shift 的参数，单位是秒。如果它是正数，说明 IMU 数据提前于图像；如果是负数，说明图像提前于 IMU。我标定的结果是大约 -0.003 秒，也就是图像快于 IMU 约 3 毫秒，这是
