【转载】基于因子图优化的组合导航算法学习

原文地址
https://blog.csdn.net/qq_39071352/article/details/131654238

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。