GICI-LIB源码阅读（一）程序简介、编译调试、配置文件、车载数据集

已于 2024-05-22 14:46:44 修改
阅读量2.5k 收藏 36
点赞数 13
分类专栏： GICI源码阅读 文章标签： GNSS INS Camera 导航定位
于 2023-09-27 10:42:30 首次发布
.
本文链接：https://blog.csdn.net/daoge2666/article/details/133343492
版权
  • 原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-Learning
  • 有问题欢迎微信交流：lizhengxiao99

文章目录

一、GICI-LIB 简介

作者的介绍：为了阐明 GNSS 的算法模型，加快在多源融合应用中针对 GNSS 的开发效率，我们开源了 GICI-LIB，并辅以详尽的文档和全面的数据集。GICI-LIB 以可扩展的设计理念，实现了GIC传感器之间多种形式的松紧组合。评估结果表明，GIC 系统能够在多种复杂环境下，提供分米到米级的高精度导航。

1、程序概述

GICI-LIB 全称 GNSS/INS/Camera Integrated Navigation Library，是上海交大最新开源的一套基于图优化的 GNSS+INS+Camera 集成导航定位库。基于 RTKLIB 处理 I/O 流、编解码；基于 OKVIS 因子图优化类型封装；基于 SVO 做特征提取。以 GNSS 为主，再加入 INS、Camera 做组合，支持相当多的数据格式、定位模式，包含很多 GNSS 因子、惯导因子、视觉因子及运动约束。以处理实时数据为主，后处理也采用模拟实时数据处理的方式进行。典型的应用方式如下图：

1689512108793

2、资源获取

3、功能简介

  • 支持非 ROS 模式和 ROS 模式，ROS 模式下可以使用 ROS 话题、RVIZ 显示轨迹。

  • 支持多种数据形式：serial 串口、TCP/IP server、TCP/IP client、Ntrip server、Ntrip client、V4L2、file 文件。

  • 支持多种数据编码：RTCM2、RTCM3、 Ublox raw、Septentrio raw、Tersus raw、NMEA、DCB file、ATX file、V4L2 image pack、GICI image pack、GICI IMU pack

  • 支持多种数据传输方式：I/O 端口、串口、ROS topics、TCP/IP、NTRIP、V4L2、文件

  • 支持多种定位模式：SPP、SDGNSS、DGNSS、RTK、PPP、SPP-based LC GINS、TC GINS、RTK-based LC GINS、SRR GVINS、RRR GVINS。

  • 支持多种因子：

    • GNSS 松组合因子：Position Error Factor、Velocity Error Factor
    • GNSS 紧组合因子：Pseudorange Error Factors、Carrier Phase Error Factors、Doppler Error Factors
    • Camera 因子：Reprojection Error Factor
    • INS 因子：Pre-integration Factors、Zero Motion Update Factor、Heading Measurement Constraint Factor、Non-holonomic Constraint Factor
    • 公共因子：Parameter Error Factors、Relative Constant Error Factors、Relative Integral Error Factors

  • 支持三个层级的 SSR 服务：

    • 一级：提供精密星历、精密钟差、码偏差。
    • 二级：除一级改正信息外，还提供载波相位偏差。
    • 三级：除二级改正信息外，还提供大气延迟信息，能够支持 PPP-AR、PPP-RTK。

  • GICI 不支持时间系统偏差的估计，需要进行硬件层面的时间对准，且最好精度要达到 5ms。

4、代码分析

GICI-LIB 主要使用 C++ 编写，且大量使用 C++ 高级语法，CMake 文件里规定以 C++11 的标准编译，采用多线程、面向对象程序设计方法，写法"很C++"，想看懂源码需要有一定的 C++ 基础。C++11 语法的内容可以看下图：

img

具体来说，还有以下特点：

  • 程序面向对象设计，大量使用继承、多态、友元、虚函数等面向对象特性。
  • 大量使用模板泛型技术，用了很多 STL 容器、迭代器，用了 std::function、std::bind。
  • 大量使用智能指针管理内存，还用 using 给智能指针起别名 xxxPtr。
  • 使用多线程技术，接受数据和解算由不同的线程来做。
  • 比较友好的地方是代码的注释还算完善，基本每个文件开头、每个函数、程序的关键代码段都有注释。
  • 代码质量很高，但还可以再整理整理，比如有的紧挨着的地方上面用了 auto 而下面没用、有些函数名太长、构造函数写太长、streamer 和 estimator 线程有好几种命名，看着有点乱。

用 cloc 统计 include、src、tools 文件夹代码量，结果如下：

语言文件数空行注释行代码行
C++1103704454726189
C/C++ Header104274648418452
MATLAB16111232666
C109893394
CMake97136262
YAML4817185
Gencat NLS130094
XML28056
总计2686746976636298

src 和 tools 文件夹内各子文件夹功能信息如下表所示：

文件名功能代码行数
estimate因子图优化相关类型、函数2451
fusion多源融合导航相关：估计器、初始化器类型定义2872
gnssGNSS相关：误差改正、模糊度固定、SPP、PPP、RTK9347
imuIMU相关：数值更新、误差改正1725
stream数据流相关、Node处理相关类型定义2829
utility全局变量、配置选项、信号处理函数、 Spin线程定义1159
vision视觉相关：初始化、特征提取、处理、跟踪、相对位置计算1900
conversions时间转换、坐标转换175
edit_binary二进制数据处理、处理采样间隔1137
evaluationNMEA相关1672
rosros 相关、话题消息发布、msg定义2149
matlab_plotMATLAB 画图脚本666

5、第三方库

  • RTKLIB：开源 GNSS 软件包，由一个程序库和多个应用程序工具库组成。
  • fast：Features from Accelerated Segment Test，特征检测算法。
  • svo：半直接发法稀疏直接法视觉里程计（Visual Odometry）算法，用到其中函数做视觉前端
  • OKVIS：Open Keyframe-based Visual-Inertial SLAM，用到了其中的因子图函数
  • Eigen：线性代数库，用于处理矩阵和向量的计算，它提供了许多线性代数运算的功能，包括矩阵运算、向量运算、特征值分解、奇异值分解、矩阵求逆等。
  • Ceres：Google 的非线性最小二乘库，用于实现因子图优化解算。
  • glog：Google 的日志库。
  • OpenCV：Open Source Computer Vision Library，跨平台计算机视觉库。
  • yaml-cpp：GICI 采用 YAML 配置文件格式，YAML-CPP 是一个 C++ 的 YAML 库，用于 yaml 格式的解析和生成。

6、manual

GICI-LIB 的 manual 足足有 117 面，挺详细的，内容如下：

  • 1~2：对软件简单介绍。
  • 3~5：软件编译，下文会对每个步骤详细展开介绍。
  • 5~39：介绍配置文件格式，下文会做总结，具体设置看文档。
  • 40~45：介绍常见使用场景及配置，内容主要就是本文开头的图。
  • 47~58：硬件设置：输入数据方式和格式、ROS 系统、硬件时间同步。
  • 60~64：介绍因子图优化基本模型，下文会详细展开描写。
  • 62~98：介绍各种因子。
  • 98~110：介绍各种定位模式，下文会简单概括，详细的公式还是要看文档和代码。
  • 111~113：坐标系框架定义和转换，多源融合涉及很多的坐标系，各种坐标系的统一至关重要。值得注意的是：导航坐标系（n 系）用ENU（东北天）、载体坐标系（b 系）用RFU（右前上）。
  • 114~115：GNSS 线性组合和差分模型。
  • 116：参考文献，上文已经给出下载链接。

7、程序执行流程图

image-20230807135432767

8、定位模式

1. GNSS

1689675695644

  • Single Point Positioning（SPP）：用单历元的伪距、多普勒测量值，解算接收机的位置、速度、钟差。只实现了单频非差伪距的 SPP，没做消电离层，因为多频组合要额外估计 IFB，模型复杂的同时也提高不了多少 SPP 的精度。
  • Real-Time Differential（RTD）：用单历元的双差伪距、非差多普勒测量值，解算接收机位置、速度。RTD 中可以很方便的使用多频观测值，因为 IFB 在双差中被大大消除，可以通过更改配置文件中 estimator 节点的输入项来设置。
  • Real-Time Kinematic（RTK）：用多历元的双差伪距，双差载波，非差多普勒观测值，计算接收机位置、速度。估计了单差模糊度，如果有 m 颗共视卫星、n 个共同频率，需要估计 m × n m \times n m×n 个单差模糊度。除了图优化估计，RTK 还有模糊度固定的步骤，GICI-LIB 支持部分模糊度固定。
  • Precise Point Positioning（PPP）：使用非差的伪距、载波、多普勒观测值，估计接收机速度、位置、钟差、大气延迟、IFB。GICI-LIB 支持 PPP-AR，但没有完全测试，由于 PPP 比 RTK 浮点解的噪声更大，想固定必须要有偏差产品，并进行改正。
  • Global Frame Initialization：纯 GNSS 解算在 ECEF 框架进行，而进行组合需要在 ENU 框架进行，因此需要进行转换。全局框架初始化定义一个基准点，用于将 ECEF 框架中的状态转换为 ENU 框架中的状态。基准点也可用于计算重力加速度，用于惯导惯导。设置基准点有两种方法：
    • 我们运行 SPP 估计，将基准点设置为该估计的第一个有效解。
    • 如果将 force initial global position 选项设置为 true，我们通过 initial global position 选项从配置文件中加载点坐标。
2. GNSS+ INS

1689675885876

  • Loosely Integration（LC）：GNSS/INS 松组合用 GNSS 解算结果（位置、速度），和 INS 的原始数据（比力、角增量）进行组合解算。
  • Tightly Integration（TC）：GNSS/INS 紧组合用 GNSS 的原始数据（伪距、载波、多普勒），和 INS 的原始数据（比力、角增量）进行组合解算。
  • Initialization：GNSS/INS 初始化会估计速度、位置和偏差；为了提高效率，无论松紧组合都使用松组合的方程。先用加速度计比力量测值计算俯仰角和横滚角，当有足够比力量测值之后再对航向角进行估计，因子图结构与松组合一致，不同的是，我们使用多普勒来计算初始位置的增量，因为初始位置噪声过大，而多普勒噪声较低。
3. GNSS + INS + Camera

1689675982558

摄像机状态之间没有相互联系，因为相应的参数是时变的。我们在图中保留了连接，以表示由于跟踪地标的切换，各次的估计参数会发生变化。

  • Solution/Raw/Raw Integration（SRR）：SRR 采用 GNSS 的解算结果（速度、位置），和 INS 的原始数据（比力、角增量），以及 Camera 数据（特征点），进行组合解算。
  • Raw/Raw/Raw Integration（RRR）：RRR 采用 GNSS 的原始数据（伪距、载波、多普勒），和 INS 的原始数据（比力、角增量），以及 Camera 数据（特征点），进行组合解算。
  • Initialization：GNSS/INS/Camera 初始化位置、速度、偏差、特征点位置。分两步进行，先进行 GNSS/INS 初始化，再通过空间交汇对特征点追踪。
4. Estimator 类型封装

GICI-LIB 提供的多种传感器在不同定位模式下的很多因子，并封装了一个基类，为所有传感器提供基础的函数去操作变量因子和量测因子，具体可以看各种 xxx_estimator_base.h，看算法的时候肯定重点要看这些文件。

1690024555067

二、GICI-LIB 编译

  • git clone 下载不了，可以去 git clone 后面的网站上手动下载。

  • 本文只介绍非 ROS 版。

  • 我使用的环境是 VSCode + WSl，很多导航定位的开源软件都基于 Linux，比起虚拟机，VSCode + WSl 要流畅一些，不熟悉的推荐看这篇文章。

  • 确保之前已经配置好 C++ 环境（g++、Cmake、VScode 插件）。

  • 看别人的博客，都提到了曾经安装过 glog/gflag 会出问题：GICI-OPEN多源融合导航框架编译及问题说明

  • 构建、编译的时候找不到库，可能是因为库装到/usr/local/lib 里了，试试创建软链接到 /usr/lib

    ln -s /usr/local/lib/库名.a /usr/lib/库名.a

1、安装需要的库

1. 安装 Eigen
sudo apt-get install libeigen3-dev
2. 安装 OpenCV

  • 文件下载

  • 环境配置

    sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

  • 进入 opencv 目录编译安装

    cd opencv
mkdir build
cd build

sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

sudo make -j8
sudo make install

  • 将 OpenCV 的库添加到路径，从而可以让系统找到

    sudo vim /etc/ld.so.conf.d/opencv.conf

在文件中加上并保存退出 /usr/local/lib

sudo ldconfig

  • 配置 bash

    sudo vim /etc/bash.bashrc

# 在打开的文件最末尾添加以下代码并保存退出
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH 

source /etc/bash.bashrc

  • 执行 pkg-config --cflags opencv 如果报错，可以看博客

3. 安装 glfg、glog

参考：Ubantu下glog编译安装与使用简介

  • 下载 glfg

    git clone https://github.com/gflags/gflags

  • 进入 glfg 目录编译安装

    cd glfg
mkdir build
cd build/

cmake -DBUILD_SHARED_LIBS=ON -DBUILD_STATIC_LIBS=ON -DINSTALL_HEADERS=ON -DINSTALL_SHARED_LIBS=ON -DINSTALL_STATIC_LIBS=ON -DCMAKE_INSTALL_PREFIX=/usr/ ..

make
sudo make install

  • 下载 glog

    git clone https://github.com/google/glog

  • 进入 glog 目录编译安装

    cd glog
mkdir build
cd build 

cmake -DGFLAGS_NAMESPACE=google -DCMAKE_CXX_FLAGS=-fPIC -DBUILD_SHARED_LIBS=ON -DCMAKE_INSTALL_PREFIX=/opt/glog ..

make
sudo make install

  • 为使 glog 库生效，需要在 /etc/ld.so.conf.d 下新建配置文件并使其生效

    cd /etc/ld.so.conf.d
sudo vim glog.conf
输入 /opt/glog/lib

sudo ldconfig
4. 安装 Yaml-cpp

  • 下载

    git clone https://github.com/jbeder/yaml-cpp.git

  • 进入 Yaml-cpp 目录编译安装

    cd yaml-cpp
mkdir build 
cd build

cmake -D BUILD_SHARED_LIBS=ON ..

make -j16
sudo make install
5. 安装 ceres-solver

  • 下载

    git clone https://ceres-solver.googlesource.com/ceres-solver

  • 进入 ceres-solver 目录编译安装

    mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.1.0
make -j3
make test
make install

2、GICI-LIB 编译

  • 下载

    git clone https://github.com/chichengcn/gici-open

  • 编译

    在工程目录下打开终端，输入以下命令：

    mkdir build
cd build
cmake ..
make -j4 	# 编译需要一段时间

四、glog 日志系统

glog 即 Google Log ，是一个 Google 开源的日志库，它提供了一个轻量级的、可扩展的、跨平台的日志系统。 glog 的用法包括：

  • 引入头文件：需要包含 glog 的头文件：

    include <glog/logging.h>

  • 初始化库：在开始使用 glog 之前， 初始化库，例如：

    google::InitGoogleLogging(argv[0])

  • 配置日志：可以通过配置文件或代码来配置 glog 的参数，例如：

    google::SetLogDestination(LOG_TO_FILE, "/path/to/logfile.log")

  • 输出日志：使用 LOG(level) 宏函数来输出日志。level 表示日志的严重程度，可以是以下几个级别之一：INFO：一般信息、WARNING：警告信息、ERROR：错误信息、FATAL：致命错误信息，输出后会终止程序。例如输出一般信息：

    LOG(INFO) << "This is an informational message."

  • 条件输出日志：使用 LOG_IF()、LOG_EVERY_N() 和 LOG_FIRST_N() 宏函数来条件输出日志。例如：

    LOG_IF(INFO, num_cookies > 10) << "Got lots of cookies"

  • 关闭日志：在程序结束之前，关闭 glog：

    google::ShutdownGoogleLogging()

五、YMAL 配置文件

在手册的 9~39 面，详细的介绍了配置文件的具体内容。GICI-LIB 采用 YAML 配置文件格式，下面先对 YMAL 做个简单介绍。

1、YAML 简介

链接时找不到 yaml-cpp，可以参考博客：error while loading shared libraries的解决方案，在 /etc/ld.so.conf 文件中加上 /usr/local/lib

YAML（YAML Ain’t Markup Language）是一种轻量级的数据序列化格式，可以用于配置文件、数据交换、API请求等多种场景。它是一种简单易用的数据序列化格式，使得数据可以以人类可读的方式进行存储和传输。YAML的语法非常简单，它使用缩进和符号来表示数据结构。以下是一些YAML的基本语法：

  1. 字符串：用引号括起来的文本，例如：“hello world”。

  2. 数字：没有引号的数字，例如：42。

  3. 布尔值：用 true 或 false 表示的真或假。

  4. 缩进：YAML使用缩进来表示嵌套关系，每个缩进级别用空格数表示。例如，下面的代码段表示一个包含两个列表的字典：

  5. 字典/对象/键值对：用短横线 - 或中括号[]表示的键值对的集合。例如：{name: John, age: 30}或- name: John age: 30。多层对象可表示为：

    key: {key1: value1, key2: value2}

    或者

    key:
  key1: value1
  key2: value2

  6. 数组/列表：用短横线 - 或中括号 [] 表示的值的列表。例如：[apple, banana, orange] 或 - apple - banana - orange。复杂一点的如：

    streamers:
    - streamer:
        tag: str_gnss_rov
        output_tags: [fmt_gnss_rov]
        type: file
        path: <data-directory>/gnss_rover.bin
    - streamer:
        tag: str_gnss_ref
        output_tags: [fmt_gnss_ref]
        type: file
        path: <data-directory>/gnss_reference.bin

  7. 引用：& 用来建立锚点，<< 表示合并到当前数据，* 用来引用锚点。

  8. 注释：在YAML中，使用 # 表示注释。

YAML 需要特别注意的几个点：

  • 大小写敏感。
  • 缩进不允许使用 tab，只允许空格。
  • 缩进的空格数不重要，只要相同层级的元素左对齐即可。

2、读取 YAML 的语法

  1. YMAL 在 C++ 中以 Node 类表示。

  2. LoadFile()：从文件中加载 YAMl 到 C++ 中 Node 对象：

    yaml_node = YAML::LoadFile(文件名);

  3. []：Node 对象可以理解为是树形的，用中括号可以取出里面的子数，创建一个新的 Node 对象：

    YAML::Node logging_node = yaml_node["logging"];

  4. safeGet()：第一个参数为 Node，第二个参数为关键字，判断配置文件的 Node 里有没有你要的那个关键字，有的话再把对应的值作为第三个参数返回。

    option_tools::safeGet(logging_node, "log_to_stderr", &FLAGS_logtostderr);

  5. checkSubOption()：第一个参数为 Node、第二个参数为子配置选项，检查参一中是否存在参二子配置选项，如果不存在有两种处理：

    • 当参三为 true 时，LOG(FATAL) 退出程序。
    • 当参三为 false 时，LOG(INFO) 输出错误到日志文件。

下面三个函数都是写了函数模板，然后重载写了很多的 ：

  1. convert()：参一传入 YAML 配置种类字符串，转换成 StreamerType、FormatorType 等枚举值作为参二返回。
  2. sensorType()：传入 formator_role 字符串，转换成传感器种类枚举值 SensorType 返回。
  3. loadOptions()：参一传入文档 18~39 对应 estimate 的选项 Node，转换成对应的 ImuParameters、AmbiguityResolutionOptions 等选项结构体作为参二返回。

3、GICI-LIB 配置文件结构

配置文件以 数组 + 键值对 的方式组织，每一个键值对都是一个配置项，用多级数组来分模块组织配置项键值对。有三大模块：stream、estimate、logging，其中 stream 模块内还分为三个子模块 steamers、formators、replay。如下图：

1689518262550

4、示例配置文件

option 文件夹里有一些配置文件，以伪实时定位解算为主，对应于下面的应用方式，图上每个模块都对应着咱们要配置的内容。

1689512108793

使用方式：

  • 建立 data、output 文件夹，存放数据和输出。
  • 将 yaml 配置文件中的 <data-directory>、<gici-root-directory> 和 <output-directory> 分别换成你的数据文件夹路径、gici-open 文件夹的路径、和 输出文件夹路径。
  • 改配置中的 start_time，起始时间。
  • streamer 写了两套，非 ROS 模式和 ROS 模式，想用哪套就把另一套注释掉。
  • 注意看 streamers 里一项项 streamer 的路径项 path，确保数据文件夹中都有对应的数据。
  • 有些 streamer 中路径设置在 option 文件夹中，程序会从 gici-open 文件夹的路径 找 option 文件夹，确保 option 文件夹和里面数据在对应位置，最好不要动 option 文件夹。
  • 程序运行前，把 yaml 配置文件的路径加到命令行参数中。
  • 结果在 output 文件夹下，xxx_solution.txt 文件可以直接用 rtkplot 打开查看结果。用matlab_plot 里的脚本应该也行。

一定注意，配置文件中有好几处 <data-directory>、<gici-root-directory> 、 <output-directory> 、start_time 要改，不能漏，我在这卡了很久。

没运行成功，仔细看看报错信息，INFO不用看，关注ERROR，看对应配置是否正确。

六、数据集

对 GitHub 上的介绍简单做个翻译

1、数据集介绍

  • Github地址：https://github.com/chichengcn/gici-open-dataset
  • 百度网盘下载：https://pan.baidu.com/share/init?surl=xZS-C_42LrGtUB0x6Bw_0A&pwd=6ncd，提取码：6ncd

作者专为开发 GICI-LIB 而搭建的数据采集的平台如下图所示：

image-20230902170048417

开发了一块 GICI 板，用于收集 IMU 和摄像头数据，并在整个平台中应用了与其他传感器同步的硬件。板载 IMU 和摄像头分别为博世 BMI088 和 Onsemi MT9V034。GNSS 接收器为 Tersus David30 多频接收器。我们还从千寻 SI 数据流中收集了参考站数据，用于 RTD 和 RTK ，并从国际 GNSS 服务（IGS）数据流中收集了状态空间表示（SSR）数据，用于 PPP。光纤 IMU 通过对其数据和 GNSS 原始数据进行后处理来提供参考值。

收集了两种数据集：不同场景的短期（几分钟）实验（1.1 ~ 4.3）和涵盖多个场景的长期（几十分钟）实验（5.1 ~ 5.2）。在短期实验中，我们将场景分为 4 类： 开阔天空、绿树成荫、典型城市和密集城市。对于每个场景，我们提供 2 ~ 3 条轨迹。在长期实验中，我们提供了在上海市中心收集到的涵盖这些场景的两个轨迹。

IDSceneSizeDateScene View
1.1Open-sky0.7 GB2023.03.20Images
1.2Open-sky0.5 GB2023.03.27Images
2.1Tree-lined1.4 GB2023.03.20Images
2.2Tree-lined0.6 GB2023.03.27Images
3.1Typical urban1.7 GB2023.03.27Images
3.2Typical urban1.4 GB2023.03.27Images
3.3Typical urban1.9 GB2023.03.27Images
4.1Dense urban1.4 GB2023.05.21Images
4.2Dense urban0.8 GB2023.03.27Images
4.3Dense urban1.6 GB2023.03.27Images
5.1Long-term8.2 GB2023.05.21Images
5.2Long-term5.8 GB2023.05.21Images

用对应数据的时候记得改时间

2、非 ROS 方式使用数据集

提供了各种 YAML 配置文件示例，在 <gici-root-directory>/option。请记住替换所有 <path> 和 "start_time"。通过命令来运行软件处理数据集：

./gici_main <gici-config-file>

要将实时输出流连接到 RTKLIB，应执行以下步骤：

  1. 指定 NMEA 格式的 TCP 服务器输出。配置示例见pseudo_real_time_estimation_RTK_RRR.yaml
  2. 在 Windows 计算机中打开 RTKPLOT。想要访问 Linux 计算机的 IP 地址，Windows 计算机必须位于同一网段。
  3. 单击文件->连接设置。启用 TCP 客户端。单击选项配置 TCP 客户端选项。填写服务器地址（Linux 计算机的 IP）和端口（在 GICI YAML 文件中配置）。
  4. 点击文件->连接，形成连接。然后就可以看到实时绘制的结果图了。

3、把原始数据转为 rosbag

我们提供了一个将 bin 文件转换为 rosbags 的工具，请参见 <gichi-root-directory>/tools/ros/gici_tools/src/gici_files_to_rosbag.cpp。其配置文件位于 <gici-root-directory>/tools/ros/gici_tools/option/convert_rosbags.yaml 中。请记住替换所有 <path> 和 "start_time"。

可以通过以下方式编译转换器：

cd \<gici-root-directory\>/tools/ros
catkin_make -DCMAKE_BUILD_TYPE=Release

然后可以通过以下方式运行转换器：

./devel/lib/gici_tools/gici_files_to_rosbag <config-file>

4、ROS 方式

YAML 配置文件示例，请参见 <gichi-root-directory>/ros_wrapper/src/gici/option。使用前要替换所有<path>和 "start_time"。在运行 ROS 可执行文件之前，请记得运行一个 roscore。然后，可以通过以下方式运行可执行文件：

rosrun gici_ros gici_ros_main <gici-config-file>

或者：

cd \<gici-root-directory\>/ros_wrapper
./devel/lib/gici_ros/gici_ros_main <gici-config-file>

之后，您可以通过以下方式播放从我们的 bin 文件转换而来的 rosbags

rosbag play <data1.bag> <data2.bag> <data3.bag> ...

为了实现可视化，您可以通过以下方式运行我们的 RVIZ 配置：

rviz -d \<gici-root-directory\>/ros_wrapper/src/gici/rviz/gici_gic.rviz

5、结果评估

我们为每个数据集提供 ground_truth.txt。参考数据采用光纤 IMU 的框架。在比较结果之前，您应该进行坐标转换。对于包含 IMU 的估计器，GICI 以 IMU 框架输出解决方案。我们提供将参考值转换为 IMU 框架的工具。首先要编译这个工具：

cd \<gici-root-directory\>tools/evaluation/alignment
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j8

cd \<gici-root-directory\>tools/evaluation/format_converters
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j8

然后，您可以通过以下方法转换参考值：

\<gici-root-directory\>tools/evaluation/format_converters/build/ie_to_nmea ground_truth.txt
\<gici-root-directory\>tools/evaluation/alignment/build/nmea_pose_to_pose ground_truth.txt.nmea

nmea_pose_to_pose.cpp 中的默认设置是将姿势从光纤 IMU 帧转换为数据集的 IMU 帧。如果您有其他要求，应修改 nmea_pose_to_pose.cpp 中的参数。现在，您将获得以 NMEA 格式转换的参考值文件 ground_truth.txt.nmea.transformed。为了便于可视化，您可以通过以下方法将该文件转换为 TUM 格式

\<gici-root-directory\>tools/evaluation/format_converters/build/nmea_to_tum ground_truth.txt.nmea.transformed

还可以将 GICI NMEA 输出转换为 TUM 格式，然后用任何软件进行比较。

对于纯 GNSS 估计器，GICI 以 GNSS 天线框架输出解决方案。您应进一步将参考值转换为 GNSS 天线，方法是

\<gici-root-directory\>tools/evaluation/alignment/build/nmea_pose_to_position ground_truth.txt.nmea.transformed

现在您会得到一个参考值文件 ground_truth.txt.nmea.transformed.translated。然后就可以继续上面的操作了。
nd_truth.txt.nmea


nmea_pose_to_pose.cpp 中的默认设置是将姿势从光纤 IMU 帧转换为数据集的 IMU 帧。如果您有其他要求，应修改 nmea_pose_to_pose.cpp 中的参数。现在，您将获得以 NMEA 格式转换的参考值文件 ground_truth.txt.nmea.transformed。为了便于可视化，您可以通过以下方法将该文件转换为 TUM 格式

```bash
\<gici-root-directory\>tools/evaluation/format_converters/build/nmea_to_tum ground_truth.txt.nmea.transformed

还可以将 GICI NMEA 输出转换为 TUM 格式，然后用任何软件进行比较。

对于纯 GNSS 估计器，GICI 以 GNSS 天线框架输出解决方案。您应进一步将参考值转换为 GNSS 天线，方法是

\<gici-root-directory\>tools/evaluation/alignment/build/nmea_pose_to_position ground_truth.txt.nmea.transformed

现在您会得到一个参考值文件 ground_truth.txt.nmea.transformed.translated。然后就可以继续上面的操作了。

Random-Walker
关注
  • 13
    点赞
  • 踩
  • 36
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
计算机逻辑部件PPT资料.ppt
10-31
计算机逻辑部件是构建计算机硬件系统的核心部分，它们负责数据的处理和控制信号的传输。在这一领域，我们主要关注三态电路、异或门、加法器以及算术逻辑单元（ALU）。 首先，三态门是一种特殊类型的门电路，它的...
gici-lib编译方法
不知道更多久
09-25 601
GICI-open编译过程中glog和gflags不兼容的问题解决
跑通GICI-LIB——上海交通大学开源GNSS/INS/Camera组合导航库
XXXHCITIZENZ的博客
07-16 3093
GICI-LIB是由上海交通大学池澄博士开源的GNSS/INS/Camera组合导航库GICI-LIB原文链接：C. Chi, X. Zhang, J. Liu, Y. Sun, Z. Zhang, and X. Zhan, "GICI-LIB: A GNSS/INS/Camera Integrated Navigation Library," arXiv preprint, arXiv:2306.13268.
gici-open学习日记(7)：GNSS图优化——RTK
weixin_45432823的博客
06-26 882
gici-open库的RTK图优化实现
GICI-LIB源码阅读（三）因子图优化模型
daoge2666的博客
09-27 1122
因子图作为一种数学工具，是用因子描述多变量复杂函数的二维图，经常被用于多源融合导航中。因子图优化就是将优化问题转换成图的形式，图由边、和顶点组成。边连接着顶点，表示顶点之间的一种关系。顶点表估计问题中的未知随机变量，而因子表示有关这些变量的概率信息，从测量或先验信息中可以得出。
GICI-LIB 开源项目教程
最新发布
gitblog_00393的博客
08-08 558
GICI-LIB 开源项目教程 gici-openGNSS/INS/Camera Integrated Navigation Library项目地址:https://gitcode.com/gh_mirrors/gi/gici-open 项目介绍 GICI-LIB 是一个开源的软件包，用于全球导航卫星系统（GNSS）、惯性导航系统（INS）和摄像头集成导航。该项目由上海交通大学池澄博士开源，基于...
GICI-LIB源码阅读（二）主要的类和程序执行流程
daoge2666的博客
09-27 774
本文介绍GICI-LIB主要执行流程、主要的类。
gici-open编译与运行
weixin_45432823的博客
07-05 2164
上海交大gici-open学习
【GICI-LIB】关于Build的相关问题归纳
weixin_44021189的博客
07-16 951
本次仅对GICI_LIB进行Build处理，并将过程中的问题进行归纳。
探索精准定位新纪元：GICI-LIB 深度解析与应用指南
gitblog_00010的博客
05-09 494
探索精准定位新纪元：GICI-LIB 深度解析与应用指南 gici-openGNSS/INS/Camera Integrated Navigation Library项目地址:https://gitcode.com/gh_mirrors/gi/gici-open 在现代导航和定位技术的海洋中，寻找一款集GNSS、INS和摄像头集成导航于一体的高效工具是至关重要的。GICI-LIB，一个基于因子图...
libcgi库安装
weixin_34081595的博客
02-23 300
 官网：https://boutell.com/cgic/#build 1. 可直接tar包安装 tar xvf libcgi-1.0.tar.gzcd libcgi-1.0./configuremakecd srcsudo cp libcgi.so /usr/libsudo cp cgi.h session.h /usr/include写代码时包含头文件应写：#include &lt;cgi...
Sensor Fusion (GNSS, IMU, Camera) 多源多传感器融合定位 GPS/INS组合导航 PPP/INS
07-13
大气增强PPP/MEMS惯导/视觉里程计融合定位研究 初衷 学习组合导航和VIO相关内容. 希望和有兴趣的小伙伴一起交流 程序依赖 glog Eigen OpenCV 3.4 ...更多详情、使用方法，请下载后阅读README.md文件
gici-open学习日记(6)：GNSS图优化——SPP
weixin_45432823的博客
07-27 1080
电离层延迟是影响GNSS定位一个关键因素，事实上电离层延迟的影响非常明显，尤其在中低纬度地区的午后时间，电离层活动十分活跃，对定位的影响十分明显。关于GNSS差分码偏差，网上有很多详细的资料，也可以参考manual的 3.4.1 以及 3.4.2 两节中的对应部分，这里推荐一篇博客。**这个是重要的部分，进行伪距残差模块的添加。的形式，同时设置了信息矩阵，设置信息矩阵就是设置的一些协方差的值进行的。在SPP中主要涉及的就是伪距残差，之前的几个函数都只是SPP优化的流程，具体的雅可比和残差的计算都涉及在。
GICI-LIB代码框架学习
不知道更多久
08-02 740
上海交大开源的GNSS/INS/Camera组合导航库初步学习。
1_6 建图定位
fireflychh的博客
07-11 298
例如，我们为估计器节点实例化了几种算法，包括SPP、RTD、RTK、PPP、基于SPP的松耦合（LC）和紧耦合（TC）GINS、基于SPP的Solution/Raw/Raw（SRR）和Raw/Raw/Raw（RRR）GVINS、基于RTK的LC GINS、TC GINS、SSR GVINS和RRR GVINS。在这样的系统中，充分利用全球导航卫星系统的作用是麻烦的，因为公式、误差模型、卫星星座、信号频率和服务类型的选择多种多样，这导致了不同的精度、稳健性和使用依赖性。这些细节为我们的系统带来了非凡的性能。
gici-open示例数据运行(1.1开阔环境数据运行）
不知道更多久
10-03 769
采用数据集中开阔环境的数据，采用gici-lib和NavSense进行进行初步处理，并分析结果。
ubuntu系统配置vscode编译调试运行c++、cmake、ros程序
热门推荐
在云端写诗，在泥里生活
06-14 1万+
ubuntu下使用vs code编译调试c++代码、cmake工程、ROS工程。 大部分是翻译的https://code.visualstudio.com/docs/cpp/config-linux官方文档，加上一部分自己使用过程中的理解。
多源传感器GNSS INS 视觉 LiDAR 组合导航与SLAM开源项目总结
MSysのCSDN
12-22 7797
本文更改自 吴桐wutong 微信公众号文章。
gici open vscode
10-23
"gi-ci"是一个用于管理Git代码库的命令行工具，而"open vscode"是指在Visual Studio Code（VSCode）中打开一个项目。 如果要在VSCode中打开一个Git代码库，可以按照以下步骤操作： 1. 首先，在命令行中输入"gi-ci"命令，这将打开Git代码库的管理工具。 2. 在工具中，可以选择需要打开的代码库。可以使用工具提供的命令或选项来浏览和选择代码库。 3. 选择了需要打开的代码库后，可以执行相应的操作进行克隆、拉取、分支管理等。 4. 完成了代码库的相关操作后，可以在命令行中输入"open vscode"命令，这将在VSCode中打开选定的代码库。 5. 在VSCode中，可以对代码库进行编辑、查看、调试等操作。 通过以上步骤，你可以使用"gi-ci open vscode"命令在VSCode中打开一个Git代码库，进行代码的管理和编辑。这样可以更方便地在一个集成开发环境中进行代码开发，并且能够与团队成员共享和合作。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Random-Walker

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值