独立 IMU 模块资料与测试 - HIT-K1928-LAB/HIT-K1928-wiki GitHub Wiki

WHEELTEC 超核惯导HI13R4产品资料

链接: https://pan.baidu.com/s/1ZlSfee8s-A6sy1107eEDYA

该 IMU 的频率测试

期望频率	实际频率
100 Hz
200 Hz
500 Hz
1000Hz

可以看到，当期望频率在 100 Hz 和 200 Hz 时，IMU 的输出间隔十分均匀，但当期望频率为 500 Hz 和 1000 Hz 时，实际输出频率存在波动。

与飞控板上的 IMU 对比，该 IMU 的频率更稳定。

可视化脚本：

#!/usr/bin/env python

import rosbag
import matplotlib.pyplot as plt
from collections import defaultdict
from std_msgs.msg import Header

def visualize_rosbag_timestamps(bag_file):
    """
    Visualize timestamps of all topics in a ROS bag file using msg.header.stamp.
    """
    # Dictionary to store timestamps for each topic
    topic_timestamps = defaultdict(list)

    # Read the bag file
    with rosbag.Bag(bag_file, 'r') as bag:
        for topic, msg, t in bag.read_messages():
            # Check if the message has a header with stamp field
            if hasattr(msg, 'header') and hasattr(msg.header, 'stamp'):
                # Convert the header.stamp (ros::Time) to seconds
                timestamp = msg.header.stamp.to_sec()
                # Store the timestamp for the topic
                topic_timestamps[topic].append(timestamp)
            else:
                # If no header.stamp, use the default timestamp (from rosbag)
                topic_timestamps[topic].append(t.to_sec())

    # Plot timestamps for each topic
    plt.figure(figsize=(10, 6))
    for topic, timestamps in topic_timestamps.items():
        plt.plot(timestamps, [topic] * len(timestamps), 'o', label=topic)

    # Configure the plot
    plt.title("Timestamps of Messages in ROS Bag (Using header.stamp)")
    plt.xlabel("Time (seconds)")
    plt.ylabel("Topics")
    plt.yticks(range(len(topic_timestamps)), topic_timestamps.keys())
    plt.legend(loc='upper right', fontsize='small')
    plt.grid(True)
    plt.tight_layout()

    # Show the plot
    plt.show()


if __name__ == '__main__':
    # Specify the ROS bag file to analyze
    bag_file = '../rosbags/MH_05_difficult_offset3ms.bag'  # Replace with your ROS bag file path

    # Visualize timestamps
    visualize_rosbag_timestamps(bag_file)

该 IMU 在 VIO 上的效果测试

该测试数据集录制于 3 号无人机（orin03）

2026-01-13

orin03 测试 hipnuc-imu 读取
录制数据集
- 标定数据集：外参标定报错，参考 Optimization failed in kalibr_calibration_imu_camera, D435i运行VINS-mono以及Kalib标定，解决办法是调大 timeOffsetPadding 0.01 -> 0.1
- 测试数据集
white noise 与 random walk 单位确认
- hipnuc-IMU 的数据手册里，零偏稳定性单位是离散域，而随机游走单位是在连续域
- kalibr 里需要填写连续域的值，参考 Kalibr IMU Noise Model units problem?

2026-01-19 2026-01-27 2026-02-02

测试
- 原 imu (long_ext_cali_offline_and_online), 有 zupt 0.6m, 无 zupt 0.8m
- 原 imu (continue_ext_cali_offline), 有 zupt 0.59m, 无 zupt 0.58m
- 原 imu (continue_ext_cali_offline_and_online), 有 zupt 0.51m, 无 zupt 0.55m
- 新 imu (long_ext_cali_offline)，无 zupt 0.67m
- 新 imu (long_ext_cali_offline_and_online)，有 zupt 0.34m，无 zupt 0.35m
- 新 imu (short_ext_cali_offline)，无 zupt 1.2m
- 新 imu (short_ext_cali_offline_and_online)，有 zupt 0.34m，无 zupt 0.35m
- 新 imu (online_iter)，有 zupt 0.36 m，无 zupt 0.31m
  - 且外参迭代值（主要看 tbc）接近于 long_ext_cali_offline 的结果
  - 多次在线迭代并不会让漂移一直变小，观察 tbc 发现多次迭代后偏离了真实值，需要加额外约束（如双目对齐约束）
- 新 imu (continue_ext_cali_offline-2026-01-27)，有 zupt 0.26m，无 zupt 0.38m
- 新 imu (continue_ext_cali_offline_and_online)，有 zupt 0.21m，无 zupt 0.23m

其中，long_ext_cali_offline 和 short_ext_cali_offline 都是使用图像降频的数据集，区别是录制时长的长短；而 continue_ext_cali 所使用的标定数据集在录制时，是参考 kalibr 官方视频教程的连续运动，不降频； online 则表示开启外参在线估计。

结论：

新 imu 下的 vins 估计的零偏都小于 0.05 m/s^2，变化不大，应该算正确的
200 Hz IMU 的定位效果比 242 Hz IMU 的定位效果好