在本次评测过程中，泡泡机器人的评测人和传感器厂商的技术人员进行了充分的沟通。传感器厂商表示，在沟通过程中，为小觅双目摄像头提供了很多有用的建议，使得小觅双目摄像头在未来，能够产出更适合vSLAM的模组，为vio的技术发展提供更好的传感器支持。

评测前的准备工作

  本次评测的型号是 D1000-IR-120/Color， 特点是 相机自带芯片计算出深度图，深度图的计算不耗费计算平台的算力。带IR补光提升深度图效果，120度FOV，支持输出彩色图。  

  ubuntu, windows， 以及ROS Wrapper的安装教程在这里：[安装教程](https://mynt-eye-d-sdk.readthedocs.io/zh_CN/latest/sdk/sdk_install.html)

  小觅双目摄像头的固件和SDK迭代比较快，新的固件和SDK里往往会输出更好的效果，因此建议在安装完SDK，验证相机可以正常使用后，对固件进行升级。

  另外，升级固件时，最好将主处理器和协处理器都进行升级[相关文件链接](https://mynt-eye-d-sdk.readthedocs.io/zh_CN/latest/firmware/contents.html)。

  经测试，imu和相机的位置关系如下：

  imu采用的是bmi088，角速度和加速度的时间戳是分别输出的。SDK中使用了插值法，对两个时间戳进行了统一。

  如果对于imu更深入的使用，可以参考[bmi088的datasheet](https://www.bosch-sensortec.com/bst/products/all_products/bmi088_1)。

  IR光斑可以增强深度识别精度，但是对rgb图像有干扰，因为测试VIO，所以关掉了IR， 在launch⽂件中有参数配置，可以[关掉IR](https://mynt-eye-d-sdk.readthedocs.io/zh_CN/latest/sdk/samples/set_open_params.html#ir)。

  笔者最先使用了640x480⼤小的图像，采样不够理想，于是改用1280x720的图像crop，再resize使用，能够满⾜需求。

  D系列支持的分辨率和帧率比较多， [详见这里](https://mynt-eye-d-sdk.readthedocs.io/zh_CN/latest/product/support_resolutions.html)。分辨率和帧的修改可以在launch文件中做，按着支持列表的参数进行修改，就可以生效。

  小觅双目摄像头输出的yuyv422格式的彩色图， 而VIO其实只需要灰度图就够了， 因此笔者对图像进行了处理，输出灰度图后使用。

  关于本模组的imu数据：

  1）时间单位(stamp)是0.01ms

  2）加速度计(accel)的单位是一个重力加速度

  3）陀螺仪(gyro)的单位是度/s。

  4） imu的频率200hz

  其中加速度计输出的是一个norm向量值，需要自己进行转化成m/s^2的单位， 恢复真实加速度的话，一般乘以9.8即可。

  如果要严谨处理，则需要按当地的纬度计算一个重力加速度。

评测前的话

  本次主要是从标定维度对小觅双目摄像头模组进行评测，并基于此模组，通过VSLAM进行初步的验证。

  VSLAM是使用uSens公司的自研sSensSLAMAR， uSensSLAMAR引擎实现了高性能的SLAM跟踪算法，拥有更高的计算效率、稳定性、抗干扰性及精度，并在中低端手机上进行了优化。

VSLAM测试

  笔者使用公司uSenseSLAMAR测试效果如下

  从视频 可以看出，稳定性、及精度都很不错。其中红色是camera的轨迹， 绿色是imu的轨迹。

  从上面视频中，可以看出抗干扰性好，轻拍摄像头，虽然会对相机和imu产生一些的震荡，相机仍旧保持正确的位姿。

  （此文系转载，文中所有文字内容和图片之知识产权均系原作者和机构所有。）