iKalibr: Unified Targetless Spatiotemporal Calibration for Resilient Integrated Inertial Systems

综合惯性系统通常由IMU和外部感知传感器（如雷达、激光雷达和相机）组成，已被广泛应用于现代机器人应用中，用于自我运动估计、运动控制或自主探索。为了提高系统的精度、鲁棒性和进一步的可用性，通常会弹性地集成多个和各种传感器，这有利于系统性能在故障容忍性、感知能力和环境兼容性方面的提升。对于这样的系统，需要准确和一致的时空校准，以维护多传感器融合的唯一时空框架。考虑到大多数现有的校准方法（i）通常面向特定的集成惯性系统，（ii）通常只关注空间确定性，（iii）通常需要人工目标，缺乏方便性和可用性，我们提出了iKalibr：一种面向弹性集成惯性系统的统一无目标时空校准框架，克服了以上问题，实现了准确和一致的校准。目前iKalibr支持四种常用的传感器，即IMU、雷达、激光雷达和相机。所提出的方法从严格而高效的动态初始化开始，其中估计器中的所有参数都将被准确恢复。随后，将进行几次基于连续时间的批处理优化，以将初始化的参数优化到全局最优。进行了足够的实际实验来验证iKalibr的可行性和评估其校准性能。结果表明，iKalibr可以实现准确的弹性时空校准。我们在（https://github.com/Unsigned-Long/iKalibr）开源了我们的实现，以造福于研究社区。

提出一个统一的无标定板多传感器时空标定框架，以提高多传感器融合系统的精度和鲁棒性。

提出iKalibr框架，通过动态初始化和基于连续时间的批量优化来实现无标定板多传感器时空标定。

iKalibr框架支持四种传感器：IMU、雷达、LiDAR和相机。实验表明iKalibr能够实现准确的时空标定，代码已经开源。

相关研究主要集中在特定的无标定板标定方法上，而iKalibr框架提供了一种统一的解决方案。