到目前为止,大多数基于 GNSS 的组合导航方案都是使用卡尔曼滤波算法进行融合。然而,最近基于优化的算法研究因其在恶劣的 GNSS 环境(例如城市中心,GNSS 观测受到多路径影响)中的卓越性能而受到大家的欢迎。当然,最初还是在SLAM领域内使用的比较多。
与滤波算法相反,基于优化的算法可以在更广泛的历元内应用估计过程,从接收器的启动到最新的可用观测。通过在每个历元对所有可用观测值执行优化过程,可以提高整体准确性。因子图优化(FGO)似乎是此类优化的一个有前途的框架。
目前此类相关的论文和开源代码有许多,涉及到GNSS、IMU、视觉和激光雷达等传感器。此外,针对算法融合的程度,又包括松耦合和紧耦合。这里,针对一些优秀的开源代码进行学习,希望能从中挖掘其应用的潜力。
这里列出一些开源项目,主要是以GNSS或组合导航为主的算法,如
1、使用因子图优化进行 GNSS 定位和实时运动学的开源包
https://github.com/weisongwen/GraphGNSSLib
2、基于优化的GNSS/INS组合导航系统
https://github.com/i2Nav-WHU/OB_GINS
3、稳健、实时、以 INS 为中心的 GNSS 视觉惯性导航系统
https://github.com/i2Nav-WHU/IC-GVINS
4、GNSS/INS/相机组合导航库
https://github.com/chichengcn/gici-open
当然,还有很多优秀的以SLAM为核心的开源项目,大家可以看看相关论文。