GNSS算法相关开源代码(含多传感器融合相关项目)

开源代码总览

名称

传感器类型

组合类型

滤波方法

其余相关

RTKLIB

GNSS

-

卡尔曼滤波

GAMP/rtklibexplorer

GPSTK

GNSS

-

卡尔曼滤波

BNC

GNSS

-

卡尔曼滤波

ppp_wizard

ignav

GNSS/INS

紧组合

图优化

rtklib

GVINS

GNSS/INS/视觉

紧组合

图优化

InGVIO

GNSS/INS/视觉

紧组合

Invariant EKF

OB_GINS

GNSS/INS

松组合

图优化

KF_GINS

KF_GINS

GNSS/INS

松组合

卡尔曼滤波

OB_GINS

IC_GINS

GNSS/INS/视觉

松组合

图优化

表中组合类型是以GNSS为准,即使用GNSS原始数据,则为紧组合。

滤波方法中的图优化,其实就是最小二乘,但不仅仅是最小二乘。

直接使用名称在github上搜索,就可以找到相应的项目。

以下是各个项目的详细介绍。


RTKLIB

大部分同学对rtklib均已十分熟悉,从高须知二先生2006年发布第一个版本开始,至今已16年,该开源代码可以说造福了无数的GNSS相关的研究生同学和初创公司。至今为止,rtklib依然是GNSS领域最优秀的开源软件之一。将rtklib.com关于软件的介绍粘贴如下,以示敬意。

RTKLIB is an open source program package for standard and precise positioning with GNSS (global navigation satellite system). RTKLIB consists of a portable program library and several APs (application programs) utilizing the library.

基于rtklib二次开发的,也有许多优秀的开源项目。

比如Zhou Feng在GPS Solution期刊上发表了论文“GAMP: An open-source software of multi-GNSS precise point positioning using undifferenced and uncombined observations”,开源了基于 RTKLIB 二次开发的PPP软件GAMP。

比如大名鼎鼎的rtklibexplorer,其开发者Tim Everett在2022年的谷歌智能手机定位大赛中,基于rtklib优化的后处理模式(PPK)获得了第三名的好成绩。其在个人博客网站上也一直更新大量的关于消费级观测数据的处理经验,将开源精神贯彻到底。


GPSTK

GPSTK是笔者在做研究生时就曾用过的一款GNSS开源软件,多次惊叹于其面向对象的开发架构,但也在初学阶段被绕的晕头转向,对新手不太友好。但是,工作后基本都是使用C++面向对象开发,而且基本大厂面试都会考编程,所以提前使用优势明显。

在2021年09月,GPSTK已更名为GNSSTK,并在github分为两个项目,分别为GNSSTK (libraries)和GNSSTK-APPS (applications)。GPSTK历史版本中的定位处理相关的example在新的GNSSTK (libraries)中笔者没有找到,在GNSSTK-APPS (applications)中core/apps/positioning/文件夹下,有定位相关的说明文档和程序入口。

The GPS Toolkit (GPSTk) is an open-source (LGPL) project sponsored by the Space and Geophysics Laboratory (SGL), part of the Applied Research Laboratories (ARL) at The University of Texas at Austin.

The primary goals of the GPSTk project are to:

provide applications for use by the GNSS and satellite navigation community.

provide a core library to facilitate the development of GNSS applications.


BKG Ntrip Client (BNC)

BNC是专门为实时定位而生的软件。大量的同学使用其作为实时精密单点定位的基础软件进行二次开发。RTKLIB理论上也支持实时PPP,具体情况笔者未做验证。

PPP-Wizard则是法国CNES分析中心基于BNC修改的一款实时PPP定位软件,功能更加强大。

The BKG Ntrip Client (BNC) is an Open Source multi-stream client program designed for a variety of real-time GNSS applications. It was primarily designed for receiving data streams from any Ntrip supporting Broadcaster. The program handles the HTTP communication and transfers received GNSS data to a serial or IP port feeding networking software or a DGPS/RTK application. It can compute a real-time Precise Point Positioning (PPP) solution from RTCM streams or RINEX files. During the last years BNC has been enriched with RINEX quality and editing functions. You can run BNC with GUI as well as in batch processing mode.


ignav

ignav是基于rtklib二次开发的GNSS/INS紧组合算法。对于熟悉rtklib的同学,如果想扩展自己的技术路线,学习GNSS/INS组合导航相关算法,ignav是一个不错的选择。

ignav基本将现有的一些组合算法均已实现,包括但不限于与RTK的紧组合/里程计辅助/非完整性约束等。而且ignav的编码风格与rtklib一脉相承,注释以及文档一应俱全,对初学者十分友好。

ignav为四年前作者苏景岚提交到github上,从i2nav团队网站上了解到苏同学2019年硕士毕业,毕业论文:《车载视觉/INS/GNSS多传感器融合定位定姿算法研究》。如果ignav是苏个人硕士期间完成,只能感叹一句,大佬!

附上github简介:

IGNAV基于RTKLIB开发的INS/GNSS组合导航算法库,采用C语言编写;IGNAV适用于车载场景,目前正进行INS/GNSS融合视觉信息、激光雷达的算法编写,后续会逐步更新。 IGNAV主要功能包括:

  • 松耦合算法;

  • SPP、PPP、DGPS、RTK紧耦合算法;

  • 里程计辅助;

  • 磁力计辅助;

  • NHC、ZUPT、ZARU等运动约束;

  • Doppler辅助INS/GNSS;

  • 双天线航向辅助;

  • 静对准、动对准初始化;

  • INS正向和反向机械编排;

  • INS/GNSS正向和反向组合滤波;

  • 初步支持视觉信息辅助定位定姿;

  • RTS/前后向滤波平滑;

  • 车载轨迹动态显示等。


GVINS

是香港科技大学空中机器人组发布的最新的使用GNSS原始观测量的多传感器(GNSS/INS/camera)融合开源项目。其使用伪距和多普勒观测值,与INS以及视觉同时进行图优化,可以在全场景提供连续的平滑的6-Dof位姿。

笔者没有去深入研究该代码,不过想来应该可以仅进行GNSS+IMU的组合导航运算。对于想基于图优化进行GNSS+IMU紧组合研究的同学,该套代码是一个不错的选择。

不过对GNSSer有点不友好的地方,就是需要在ROS环境下运行。ROS是机器人操作系统(Robot Operating System)的英文缩写,主要在linux系统下运行,所以需要多学习一些ROS的概念、模块以及通信等。

GVINS is a non-linear optimization based system that tightly fuses GNSS raw measurements with visual and inertial information for real-time and drift-free state estimation. By incorporating GNSS pseudorange and Doppler shift measurements, GVINS is capable to provide smooth and consistent 6-DoF global localization in complex environment. The system framework and VIO part are adapted from VINS-Mono. Our system contains the following features:

  • global 6-DoF estimation in ECEF frame;

  • multi-constellation support (GPS, GLONASS, Galileo, BeiDou);

  • online local-ENU frame alignment;

  • global pose recovery in GNSS-unfriendly or even GNSS-denied area.


InGVIO

InGVIO是清华大学近期开源的一套多传感器数据融合项目,是基于invariant-EKF,紧融合GNSS伪距和多普勒,以及惯性传感器和单/双目视觉数据。从其论文来看,与当前基于图优化和基于EKF的算法相比, invariant-EKF在准确性和计算负载方面提供了极具竞争力的结果。

与代码同时开源的,还有一组固定翼机载数据,下载地址请参考项目github。

因为涉及到了视觉,所以ROS系统必不可少。好消息是InGVIO与GVINS使用相同的GNSS数据结构体gnss_comm,只需熟悉一次。

InGVIO is an invariant filter approach for fusion of monocular/stereo camera, IMU and raw GNSS measurements including pseudo ranges and Doppler shifts. InGVIO is intrinsically consistent under conditional infinitesimal invariance of the GNSS-Visual-Inertial system. InGVIO has the following key features: (a) fast due to decoupled IMU propagation, key-frame marginalization strategy and no SLAM-features; (b) accurate due to intrinsic consistency maintenance; (c) better convergence properties than 'naive' EKF-based filters.


KF_GINS OB_GINS IC_GINS

三个项目均是武汉大学多源智能导航实验室(i2Nav)今年开源的多传感器融合的项目代码。不过遗憾的是,均是以松组合的形式融合GNSS数据。

其中KF_GINS、OB_GINS分别为基于EKF和图优化的数据处理方法,其输入和输出相同,两套开源代码可以同时阅读,相互印证。

IC_GINS则因为视觉的加入,同样需要基于ROS系统,但其代码与OB_GINS也有很多相通之处。

除了开源代码,i2Nav团队还在bilibili视频网站上传了《惯性导航与GNSS/INS组合导航原理》课程视频以及在其i2Nav官网提供课程讲义下载,真真的是广大同学的福音。最新的视频还有一节辜声峰老师讲的“GNSS/INS紧组合算法”。bilibili还有西工大严恭敏老师惯性导航相关视频,搭配严老师的书籍,方便快速入门。

We open-source OB_GINS, an optimization-based GNSS/INS integrated navigation system. The main features of OB_GINS are as follows:

- A sliding-window optimizer for GNSS/INS integration;

- Abstract IMU-preintegration implementation, including:

- The normal IMU preintegration without the Earth's rotation consideration;

- The normal IMU/ODO preintegration;

- The refined IMU preintegration with the Earth's rotation consideration;

- The refined IMU/ODO preintegration;

- Implementation of the marginalization;

- Tools for attitude parameterization and coordinate frames;

- Tools for file IO;


总结

开源项目可以很大程度上让我们免于大量重复的底层的工作,仅仅是给我们提供了一个可以快速开始的平台。不管是做科研,还是进行工程落地,还需要我们进一步的去优化。况且一些开源代码的协议不允许免费商用。

以上开源代码基于图优化的GNSS紧组合,仅使用伪距和多普勒,有些遗憾。github上也有一些基于图优化的RTK相关代码,可自行搜索。


公众号

有时会将代码 或者资源放在个人公众号上,有问题,在公众号后台回复,也回答的比较快一些,欢迎关注 GNSS和自动驾驶

参考:

rtklibexplorer – Exploring precision GPS/GNSS with RTKLIB open source software and low-cost GNSS receivers

GNSS相关开源项目整理_路痴导航员的博客-CSDN博客_gnss开源软件

科学网—[转载]开源全球导航卫星系统(GNSS)软件和资源社区清单 - 陈超的博文

PPP阶段小结[2019-03]:GNSS、MGEX、精密改正数现状,开源软件和论文研究动态 - 知乎

【开源代码、数据集】InGVIO: GNSS + 相机 + IMU - 知乎

武汉大学多源智能导航实验室

GitHub - HKUST-Aerial-Robotics/GVINS: Tightly coupled GNSS-Visual-Inertial system for locally smooth and globally consistent state estimation in complex environment.

GitHub - Erensu/ignav: integrated navigation for ins and gnss

https://github.com/i2Nav-WHU/OB_GINS

GitHub - HKUST-Aerial-Robotics/GVINS: Tightly coupled GNSS-Visual-Inertial system for locally smooth and globally consistent state estimation in complex environment.

https://github.com/i2Nav-WHU/IC-GVINS

  • 8
    点赞
  • 75
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: GNSS(全球导航卫星系统)多传感器融合是一种将多个传感器数据集合起来以提高定位和导航精度的技术。这些传感器可以包括GNSS接收器、惯性导航系统(INS)、地面测量设备等。 GNSS本身具有定位精度较高的优点,但在许多情况下,如高楼大厦、山谷、城市峡谷等地形复杂的区域,接收到的卫星信号可能会遭受遮挡或多径效应的干扰,导致定位不准确。 为了解决这个问题,多传感器融合技术被引入。这种技术将GNSS接收器与其他传感器结合起来,比如INS、地面测量设备等,来增强定位和导航的准确性。在GNSS信号受阻的时候,其他传感器可以提供附加的位置信息,从而填补定位中的空白。 通过融合多个传感器的数据,系统可以实现更可靠的位置估计和导航解决方案。例如,在车载导航系统中,多传感器融合可以提供准确的位置和导向信息,使司机能够更精确地知道自己的位置和如何到达目的地。 总而言之,GNSS传感器融合是一种有效的技术,可以通过结合多个传感器的数据来提高定位和导航的精确性。这种技术在许多领域都有应用,包括航空、航海、车辆导航等。 ### 回答2: GNSS传感器融合是指将全球导航卫星系统(GNSS)与其他传感器相结合,以提高导航和定位的精度和可靠性。传感器可以包括惯性测量单元(IMU)、气压计、陀螺仪、加速度计等。通过融合这些传感器的数据,可以弥补GNSS单独定位容易受到多路径效应、信号遮挡和干扰等因素的限制,从而提高定位的准确性和稳定性。 GNSS传感器融合的核心是将多个传感器的测量数据进行优化和整合。首先,需要进行传感器数据的预处理,包括去噪、滤波和校准等步骤,以确保传感器数据的准确性和一致性。接下来,可以使用滤波算法(如卡尔曼滤波器或粒子滤波器)来融合多个传感器的数据,并估计出最优的位置和姿态估计结果。 采用GNSS传感器融合技术可以在很多应用场景中获得更好的定位性能。例如,在自动驾驶领域,GNSS单独定位的精度可能无法满足需求,而融合车载IMU、摄像头和雷达等传感器的数据可以提供更准确的定位和导航信息。在室内定位中,GNSS无法提供可靠的信号,而借助其他传感器(如加速度计和地磁传感器)的数据可以实现室内准确的定位。 总之,GNSS传感器融合是一种利用多个传感器的数据来提高导航和定位性能的技术。通过优化和整合传感器数据,可以获得更可靠、准确的位置和姿态估计结果,为各种应用提供更高精度的定位服务。

“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
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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