最近基本把《QuaternionkinematicsforESKF》看完了,采用书中的方法实现了一个IMU+GPS的组合定位。
1. 原理
1.1 坐标系
全局坐标系采用东北天(ENU)坐标系,即X指向东,Y轴指向北,Z轴指向天空。坐标原点为初始时刻位置。GPS到IMU有一个外参, 即GPS在IMU坐标系下的位置:
,即杆臂值。
1.2 error-state
我们维护位置、速度、方向、加速度和陀螺的bias,5种,共计15维的状态。
重力方向没有放入到状态之中,因为我们用了东北天坐标系,重力直接设为Z轴的反方向。
如书中所述,采用IMU进行EKF的预测。需要propagatenominalstate和error-state的协方差,如书中p58、p59。
1.3 ESKF GPS更新
GPS可以提供位置量测信息。一般GPS提供的数据为WGS84坐标系,而我们的state是定义在ENU坐标系下的。为此,我们参考了VINS-Fusion的做法,采用了 GeographicLib 库,先把GPS数据转换至ENU笛卡尔坐标系:
。这样我们就可以定义GPS位置观测方程为:
相对于error state的Jacobian为:
剩下的就是套用ESKF的更新公式了,如书中P61⻚。
1.4 初始化
初始位置为0,方向的roll和pitch可由加速度的重力方向确定,bias设置为0.
2. 实现
请见github:
ydsf16/imu_gps_localizationgithub.com3. 数据
https://epan-utbm.github.io/utbm_robocar_dataset/epan-utbm.github.io建议使用:
4. 参考资料
- Quaternion kinematics for the error-state Kalman filter
- Woosik Lee, Intermittent GPS-aided VIO: Online Initialization and Calibration.
- A General Optimization-based Framework for Global Pose Estimation with Multiple Sensors
- A General Optimization-based Framework for Local Odometry Estimation with Multiple Sensors