RIO：雷达惯性里程计与基于雷达的自车速度估计
项目地址: https://gitcode.com/gh_mirrors/rio3/rio 项目介绍
在GNSS信号缺失和视觉环境恶劣的情况下，导航仍然是一个巨大的挑战。传统的基于视觉传感器的导航方法在黑暗、强光、雾或烟雾等条件下容易失效。为了解决这一问题，RIO项目利用4D毫米波FMCW雷达传感器和惯性传感器数据，这些传感器不受上述环境条件的影响。RIO项目提供了一个基于EKF（扩展卡尔曼滤波）的雷达惯性里程计工具箱，能够在GNSS信号缺失和视觉环境恶劣的情况下实现鲁棒且精确的导航。
项目技术分析
RIO项目的技术核心在于其EKF-based的雷达惯性里程计算法。具体来说，RIO包含以下几个主要包：
- gnss_x_rio：将GNSS测量数据与x_rio结合，提供全局信息。
- x_rio：一个基于EKF的多雷达惯性里程计管道，支持在线校准雷达传感器的外参和使用曼哈顿世界假设进行偏航辅助。支持单雷达或多雷达设置。
- ekf_rio：一个基于EKF的雷达惯性里程计管道，支持在线校准雷达传感器的外参（已弃用）。
- ekf_yrio：ekf_rio的扩展，支持基于曼哈顿世界假设的偏航辅助（已弃用）。
RIO项目在性能上表现出色，能够在Intel NUC i7和Up Core等嵌入式计算机上实现超快的运行速度，分别达到实时速度的125倍和21倍。
项目及技术应用场景
RIO项目特别适用于以下场景：
- 无人机导航：在室内或GNSS信号缺失的环境中，无人机需要依赖其他传感器进行导航。RIO能够在这些环境中提供稳定且精确的导航解决方案。
- 自动驾驶汽车：在城市峡谷、隧道或恶劣天气条件下，自动驾驶汽车需要依赖雷达和惯性传感器进行导航。RIO能够提供鲁棒的导航支持。
- 工业自动化：在工厂或仓库等环境中，机器人需要在没有GNSS信号的情况下进行导航。RIO能够提供可靠的定位和导航服务。
项目特点
- 鲁棒性：RIO能够在GNSS信号缺失和视觉环境恶劣的情况下提供鲁棒且精确的导航。
- 高性能：在嵌入式计算机上实现超快的运行速度，显著优于实时性能。
- 多传感器支持：支持单雷达或多雷达设置，适应不同的应用需求。
- 在线校准：支持在线校准雷达传感器的外参，提高系统的自适应能力。
- 开源：RIO项目采用GPLv3开源协议，用户可以自由使用、修改和分发代码。
通过RIO项目，用户可以在各种复杂环境中实现稳定且高效的导航，无论是无人机、自动驾驶汽车还是工业机器人，RIO都能提供强大的技术支持。
扫一扫
109
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
