【基于PSINS工具箱】GNSS与IMU紧耦合的UKF代码

最新推荐文章于 2024-07-13 22:10:29 发布

MATLAB卡尔曼

最新推荐文章于 2024-07-13 22:10:29 发布

阅读量116

点赞数

分类专栏：基于PSINS的相关程序设计文章标签： matlab PSINS 算法开发语言

本文链接：https://blog.csdn.net/callmeup/article/details/138123451

版权

基于PSINS的相关程序设计专栏收录该内容

12 篇文章 3 订阅 ¥49.90 ¥99.00

订阅专栏

工具箱本身也有，我在里面加了点注释

% PSINS，GNSS/INS紧耦合
clc;
clear;
close all;
rng(1);
ggpsvars
psinstypedef('test_SINS_GPS_tightly_def');
load insgpseo_tc.mat;  % vars: imu ephs obss t0
[nn, ts,

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MATLAB卡尔曼

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
【基于PSINS工具箱】GNSS与IMU紧耦合的UKF代码

工具箱本身也有，我在里面加了点注释。
复制链接

扫一扫

专栏目录

订阅专栏

【组合导航】强跟踪滤波IMU+GNSS组合导航【含Matlab源码 3865期】

Matlab领域的博客

01-26

1103

强跟踪滤波IMU+GNSS组合导航完整的代码，方可运行；可提供运行操作视频！适合小白！

陆地车非完整性约束——INS/NHC组合导航

qq_41551380的博客

04-12

479

非完整约束：陆地车在不发生跳跃和侧滑时，其垂直于前进方向的后轮速度近似为零。

参与评论您还未登录，请先登录后发表或查看评论

组合导航原理剖析（二）：惯性导航方法与应用综述

擦擦擦大侠的博客

07-19

6303

参考陈起金，武汉大学，2014，P42）根据惯导误差微分方程和传感器误差模型，并将惯性传感器的主要误差参数（IMU的零偏误差及比例因子误差等）增广到系统状态中。（类似于地球自转等误差项或2阶项，在计算中可以进行忽略。以某自动驾驶中采用的组合导航模块为例，以横向位置推算误差RMS为例即1sigma，百元级MEMSIMU+轮速计+NHC可以做到60s在0.35米，换算成与行驶距离的百分比大概是0.066%，即车辆行驶1000米，只靠IMU、轮速计、NHC的位置推算误差的1sigma为0.66米。........

SINS/NHC组合导航（一）

waihekor的博客

05-22

1412

SINS/NHC组合导航（一）前言数据SINS/NHC基本原理数据验证与分析参考论文前言一般在车载SINS/GNSS组合导航中，为了提升GNSS失锁性能，可以采用融合车辆运动学约束条件辅助的组合导航算法，利用车辆正常行驶中横向和纵向速度为零的约束条件，可以提升导航算法能力。本文初步实现了SINS/NHC算法，并利用开源组合导航数据做了算法的验证。数据武汉大学开源组合导航数据数据链接如上，IMU型号为ICM20602，属于消费级IMU，云汉芯城的芯片价格如下，单片价格在60元左右。 SINS/NH

组合导航+多传感器融合算法

haode90的博客

08-13

6487

1、INS/GPS的组合导航系统可以输出高频率的导航参数信息（位置、速度、姿态），并且在长、短期的导航过程中均能具备较高精度。（输出数据的意义什么，PDR是步长+航向） 2、误差反馈系统（1）在开环结构中，位置校正、速度校正和姿态校正均在INS外部完成，其中估计误差在每次迭代时从INS解中减去。在这一过程中，误差与状态校正不会反馈给INS系统。（2）在闭环结构中，KF估计的误差通过反馈的形式对INS进行校正。在误差估计反馈后，KF的位置、速度和姿态估计被重置为零。kalman滤波估计的加速度计误差

近十年的VI-SLAM算法综述与发展

3D视觉工坊

10-25

1185

作者：半不闲居士@CSDN（已授权）编辑：3D视觉开发者社区本文为作者在从事Slam相关工作中对这几年遇到以及改进过相关VIO算法内容总结。1.背景介绍一个完整的 SLAM(simulta...

无人驾驶：高精地图与定位

连理o的博客

10-26

4898

高精地图与定位（自动驾驶）

近十年的VI-SLAM算法综述与发展（附链接）

数据派THU

04-20

174

本文转载自INDEMIND，作者半不闲居士@CSDN。文章仅用于学术分享。本文约7000字，建议阅读14分钟本文为作者在从事Slam相关工作中对这几年遇到以及改进过相关VIO算法内容总结。1、背景介绍一个完整的 SLAM(simultaneous localization and mapping) 框架包括传感器数据、前端、后端、回环检测与建图，如图1所示，其中...

盘一盘！实时自动驾驶车辆定位技术都有哪些？（视觉/Lidar/多传感器数据融合）...

CV_Autobot的博客

12-05

1464

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【车辆定位综述】获取论文！1摘要实时、准确和鲁棒的定位对于自动驾驶汽车（AVs）实现安全、高效驾驶至关重要，而实时性能对于AVs及时实现其当前位置以进行决策至关重要。迄今为止，没有一篇综述文章定量比较了基于各种硬件平台和编程语言的不同定位技术之间的实时性能，并分析了定位方法、实时性...

基于PSINS工具箱的EKF和UKF滤波与结果对比

02-22

基于PSINS工具箱，自定义三维的运动轨迹，并由轨迹换算出来的SINS数据、GNSS数据进行扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF的结果展示与效果对比。文件只有一个m文件，但是必须搭配工具箱，如果遇到我的私有函数，...

GNSS/INS紧组合matlab代码

04-26

附赠的INS/GNSS紧组合仿真代码进行修改得到，能够实现基于伪距、伪距率、INS数据的紧组合解算。文件夹CalculateTCRes为紧组合解算程序，INS_GNSS_Demo_7为主脚本文件夹SharedMat为运行所需常量数组文件夹TCdata为...

IMU/GNSS开源仿真工具

04-25

IMU/GNSS开源仿真工具是一种基于Python编程语言的软件，专为IMU（惯性测量单元）和GNSS（全球导航卫星系统）的融合导航系统提供仿真实验环境。这个工具集成了传感器数据生成器、传感器误差模型以及多种实例算法，...

Loose-GNSS-IMU-master.zip_GNSS_IMU_countq5x_easieruqh

07-15

【标题】"Loose-GNSS-IMU-master.zip_GNSS_IMU_countq5x_easieruqh" 提供了一个与全球导航卫星系统（GNSS）和惯性测量单元（IMU）集成相关的项目或代码库。这个压缩包的名称暗示了它可能包含一个用于处理或分析GNSS...

GNSS/IMU Logger_v1.0.0.1.apk

05-08

安卓手机GNSS/IMU数据采集软件，支持GPS/GALILEO/BDS L1/L5/E1B/E1C/E5A频点数据；采集RINEX3.03格式的伪距、载波相位、多普勒以及噪声水平；采集星历数据；加表数据（m/s^2）,陀螺数据（rad/s），以及地磁数据（uT...

基于Big-Bang-Big-Crunch(BBBC)算法的目标函数最小值计算matlab仿真

熟悉python,matlab,C,C++,JAVA等

07-12

381

BBBC算法的核心思想模拟了宇宙从大爆炸（Big Bang）开始，经历扩张，再到可能的大收缩（Big Crunch）的过程，以此类比于在解空间中从初始分散的解集出发，通过一系列搜索过程逐步集中并接近最优解的过程。：一个简化的聚集方法可以是xi′′=xbest+β⋅(xi′−xbest)，其中xbest是最优解，β是一个小于1的收缩因子，控制收缩速度。：每个解xi依据一定的规则在解空间中移动，这个移动可以是随机的，也可以基于某种策略，比如基于目标函数梯度的方向或者利用当前解与其他解的相对位置。

基于matlab的SVR回归模型

最新发布

m0_65963495的博客

07-13

857

SVR（Support Vector Regression）回归预测原理，基于支持向量机（SVM）的回归分支，其核心思想是通过寻找一个最优的超平面来进行回归预测，并处理非线性回归问题。

Ubuntu安装MATLAB

FL1717的博客

07-12

985

Ubuntu下安装Matlab并破解_ubuntu安装matlab。Ubuntu下安装Matlab并破解超级详细教程_ubuntu安装matlab-CSDN博客。

gnss imu紧组合代码

07-24

### 回答1： GNSS-IMU紧组合代码是一种将全球卫星定位系统（Global Navigation Satellite System，GNSS）和惯性测量单元（Inertial Measurement Unit，IMU）数据进行融合的技术。该代码的主要目的是利用GNSS提供的位置和速度信息以及IMU提供的加速度和角速度信息，实现更精确和稳定的定位和导航。首先，GNSS-IMU紧组合代码需要获取GNSS接收机接收到的卫星信号，并通过信号处理算法计算出接收机的位置和速度。这些数据通常包括经度、纬度、高程和速度等信息。然后，IMU会测量物体的加速度和角速度。这些数据可以通过传感器采样和滤波技术处理，得到更准确和稳定的加速度和角速度信息。接下来，GNSS-IMU紧组合代码将会利用卡尔曼滤波器等算法，将GNSS和IMU的数据进行融合。这些算法能够估计和修正GNSS和IMU数据之间的误差，并提供更准确的位置和速度信息。例如，当GNSS信号受到干扰或遮挡时，IMU可以提供惯性信息来填补数据空白，从而保持定位的持续性。最后，GNSS-IMU紧组合代码会输出融合后的位置和速度信息，提供给导航系统或其他应用程序使用。这种融合代码的应用范围很广，例如在无人机导航、自动驾驶汽车和航空航天等领域都有重要的应用。总之，GNSS-IMU紧组合代码通过融合GNSS和IMU的数据，能够提供更精确和稳定的定位和导航信息，为各种应用提供了更好的性能和可靠性。 ### 回答2： GNSS IMU紧组合代码是一种融合了全球导航卫星系统（GNSS）和惯性测量单元（IMU）数据的算法。这种代码的目的是通过结合GNSS和IMU的测量结果，提高导航定位的精度和鲁棒性。 GNSS是一种通过接收卫星发射的信号来确定接收器位置的技术。它可以提供较高的位置精度，但在某些环境下，例如高楼大厦或信号遮挡的地区，其精度可能会降低。而IMU是一种可测量三维空间下物体的加速度和角速度的设备。它通过积分加速度和角速度数据来估计导航参数，如速度和姿态。 GNSS IMU紧组合代码主要包括以下几个步骤： 1. 数据获取：首先，通过GNSS接收器获取卫星信号，获得GNSS的位置和速度信息。同时，IMU也记录下加速度和角速度的数据。 2. 数据预处理：对GNSS和IMU数据进行预处理，包括数据对齐、时间戳同步和误差修正等。通过这些预处理步骤，将GNSS和IMU数据转化为统一的参考坐标系下的测量数据。 3. 数据融合：对预处理后的GNSS和IMU数据进行融合计算。常用的方法有卡尔曼滤波器和扩展卡尔曼滤波器。融合计算的目的是最大限度地利用GNSS和IMU的信息，提高导航系统的精度和稳定性。 4. 导航算法：基于融合结果，进行导航算法的计算，包括位置估计、速度估计和姿态估计等。这些算法可以通过采用差分GNSS、紧组合导航和航向角估计等方法，提高导航的准确性。 5. 输出结果：将导航结果以适当的格式输出，供用户使用。 GNSS IMU紧组合代码的优点是能够克服单一GNSS或IMU的限制，提高导航系统的鲁棒性和精度。但同时，也需要处理GNSS和IMU数据的时间同步、误差补偿和坐标系转换等问题，以保证融合结果的准确性。 ### 回答3： GNSS是全球导航卫星系统，IMU是惯性测量单元。GNSS IMU紧组合代码是用来实现GNSS和IMU数据的融合和紧密组合的一种算法。在GNSS定位中，GNSS接收器通过接收来自卫星的定位信号来计算接收器的位置和速度。然而，由于卫星信号容易受到建筑物、树木等障碍物的干扰，导致GNSS定位的准确性和可靠性受到限制。 IMU是一种能够测量加速度和角速度的传感器，通过积分这些测量值可以获得运动物体的速度和位置。IMU不受环境干扰的影响，但其测量结果会随时间累积误差，导致定位的漂移。 GNSS IMU紧组合算法通过将GNSS定位与IMU测量相结合，能够充分利用两者的优势，提高定位的准确性和可靠性。具体的紧组合代码实现思路如下：首先，通过GNSS接收器获取卫星定位信息，包括卫星的位置、接收器的位置和速度。然后，通过IMU获取传感器测量值，包括加速度和角速度。接下来，利用导航滤波器（如卡尔曼滤波器）对GNSS和IMU的数据进行融合和计算，从而得到一个更准确的定位解。最后，根据需要对定位结果进行优化和矫正，以满足应用需求。 GNSS IMU紧组合代码的实现需要考虑多种因素，包括GNSS和IMU数据的时间戳对齐、数据融合算法的选择和参数调整、误差补偿等。此外，为了保证代码的可靠性和性能，还需要考虑数据处理的实时性和计算资源的利用。总的来说，GNSS IMU紧组合代码是一种将GNSS和IMU数据融合和紧密组合的算法，可以提高定位的准确性和可靠性。其具体实现需要考虑多种因素，并根据应用需求进行调整和优化。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交