精准定时定位:GPS和IMU

最新推荐文章于 2022-03-14 20:42:57 发布
最新推荐文章于 2022-03-14 20:42:57 发布
阅读量3.3k 收藏 13
点赞数 5
分类专栏： 无人驾驶 文章标签： 定位 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43677098/article/details/109338222
版权

GPS（GlobalPositioning System）
全球定位系统，可以知道当前位置的经纬度，但GPS更新的频率较低，大概10Hz.

IMU（Inertial measurement unit）
惯性测量单元，更新频率较高，一般达到1KHz，一般包含一个三轴加速度传感器和一个三轴陀螺仪角速度计，前者可以测量一个三维空间的加速度，后者可以测量围绕三维空间三个坐标轴方向的旋转速度。使用三个加速度值，通过两次积分可以获得位移，以此实现位置定位，有角速度值积分可以获取姿态信息，结合在一起可以获得物体的实际状态。

虽然GPS更新频率低，但每次更新不存在误差累积，因为每次信息不依赖于上一次的值。
IMU更新频率高，但更新过程存在误差累积，因为位置信息和姿态信息是积分求得的。
因此两者可以实现互补，通过GPS实现长时间定位，在GPS两次位置更新中间可以采取IMU进行定位，从而实现较为准确的实时定位

INS （Inertial Navigation System）
惯性导航系统，有时也简称为惯性系统或惯性导航。惯性导航系统的工作机理是建立在牛顿经典力学的基础上的。牛顿定律告诉人们：一个物体如果没有外力作用，将保持静止或匀速直线运动；而且，物体的加速度正比于作用在物体上的外力。如果能够测量得到加速度，那么通过加速度对时间的连续数学积分就可计算得到物体的速度和位置的变化

司空慕白
关注
  • 5
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
组合导航（九）：三维简化的INS/GPS组合导航系统
weixin_43793960的博客
05-20 6067
简化版INS系统与GPS组合导航在三维路面上的实现1 MEMS级IMU的三维定位的性能分析2 解决MEMS级IMU在路面导航中存在的问题3 三维简化的惯性传感器系统3.1 3D RISS概述3.2 （轮式车辆）采用三维RISS系统的优点 简化版INS系统与GPS组合导航在三维路面上的实现 这一章节讨论一种适用于任何轮式平台（含GPS）的航迹推算（DR）方法，该方法可消除使用传统IMU尤其是低精度IMU时存在的误差。 首先分析讨论一个完整的INS系统，再概述用于处理误差源的理论方法。 介绍了一种简化的惯性传.
IMU&GPS融合定位：：IMU姿态解算
热门推荐
dieju8330的博客
11-16 2万+
姿态解算 1. 背景 姿态解算是飞控的一个基础、重要部分，估计出来的姿态会发布给姿态控制器，控制飞行平稳，是飞行稳定的最重要保障。另外，姿态解算不仅仅用于无人机领域，无人车领域也需要进行姿态解算，用以进行GNSS和IMU、激光点云的融合定位。 2. 主要内容 传感器基本原理 坐标系描述 姿态的几种表示方式 姿态解算的基本算法 3. 传感器基本原理 不展开，推荐以下参考： AHRS姿态解...
详解基于IMU/GPS的行人定位： IMU/GPS Based Pedestrian Localization
10点43的博客
07-12 2660
今天介绍一篇使用IMU/GPS的行人定位论文，这里重点是理解本文提出的 Stop Detection 和 GPS Correction。 论文地址为：https://www.researchgate.net/publication/261452498_IMUGPS_based_pedestrian_localization
ROS入门：IMU&GPS融合定位实例
Mr Qin的博客
07-04 1万+
声明： 1。本文主要针对IMU&GPS融合定位仿真环境的搭建过程进行讲解，而没有对具体原理的介绍 2。本人作为技术小白，完全参考了https://zhuanlan.zhihu.com/p/152662055的内容（其对环境的搭建讲的较少），对原理感兴趣的童鞋可以参考;若搭建环境的过程中遇到任何问题，也随时欢迎与本人交流。 先放一张运行结果： 知识准备： 1。电脑装有ubuntu系统， 2。已经安装了ROS何Eigen库，了解ROS的基本使用，并已经创建了工作空间catkin_ws 参考博文：htt
定位导航——旋转矩阵，IMU，左右乘
三眼二郎
02-11 5037
我们先明确一下这里所说的一些概念 IMU IMU全称Inertial Measurement Unit，惯性测量单元，主要用来检测和测量加速度与旋转运动的传感器。起初只是用来测量角度的，后来随着其他传感器的加入，它的功能变得多样了，而很多情况下，其名称还是IMU，因此这也导致了：有的人认为IMU只能计算一些惯性力，进而获得旋转角度（加速度计）；有些人发现有些叫IMU的产品还可以算偏航角（加速度计+磁力计）；而更有甚者，IMU居然还能获得经纬度（加速度计+磁力计+GNSS） 1）IMU包含加速度计和磁力计 我
通俗易懂的IMU讲解，这一篇就够了
donnieliu的博客
06-04 2万+
IMU技术的出现弥补了GPS定位的不足，两者相辅相成，可以让自动驾驶汽车获得最准确的定位信息。 IMU全称inertial measurement unit，即惯性测量单元，它由三个单轴的加速度计和三个单轴的陀螺仪组成，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，对这些信号进行处理之后，便可解算出物体的姿态。 值得注意的是，IMU提供的是一个相对的定位信息，它的作用是测量相对于起点物体所运动的路线，所以它并不能提供你所在的具体位置的信息，因此，它常常和G
matlab_使用GPS IMU 完成定位_GPS IMU EKF LOCATION
05-08
总的来说，“GPS IMU EKF LOCATION”项目展示了如何利用MATLAB构建一个集成GPS和IMU的定位系统，通过EKF实现高精度的动态定位。这个过程中涉及的理论和技术对于自动驾驶、无人机导航、物联网设备定位等应用具有重要...
基于EKF从IMU和GPS数据计算路径定位的matlab仿真+仿真录像
10-30
1.版本：matlab2021a，我录制了仿真操作录像，可以跟着操作出仿真结果 2.领域：IMU和GPS 3.内容：基于EKF扩展卡尔曼滤波器从IMU和GPS数据计算路径定位的matlab仿真+仿真录像 4.适合人群：本，硕等教研学习使用
GPS-IMU融合定位仿真,gps模拟定位,matlab
09-10
在"GPS-IMU融合定位仿真"中，首先需要设置GPS和IMU的模型。GPS模型通常包括信号传播延迟、多径效应等参数，而IMU模型则涉及加速度计和陀螺仪的噪声模型。在MATLAB中，可以使用内置的信号处理工具箱来构建这些模型。 ...
gps_pose_to_local:GPS和Imu的位置和方向转换为本地摄像机框架
05-08
GPS转换 描述 这是一个基于在ROS Kinetics，Ubuntu 16.04上测试的ROS的软件包。 输入GPS姿态信息（ geometry_msgs::PoseWithCovarianceStamped ）。 相依性 本征3 路线图 阅读外部姿势信息 转换为相机框架姿势 ...
基于GPS_IMU组合定位的kalman滤波
05-09
clear all N=100; T=4*pi/N; t=0:4*pi/N:4*pi-T; w=2*pi/(24*3600); X1=zeros(15,N); X2=zeros(15,N); L=zeros(6,N); X2(:,1)=[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0] X1(:,1)=X2(:,1); E=eye(15); W=[0 -w 0;w 0 0;0 0 0]; A=zeros(15,15); A(1:3,4:6)=eye(3); A(4:6,4:6)=-2*W; A(7:9,7:9)=-W; for i=10:12 A(i,i)=-1/7200; end for i=13:15 A(i,i)=-1/1800; end A=eye(15)+A*T+A*A*(T.^2)/2; Z1=zeros(15,15); Z2=eye(15); R=eye(6); Q=zeros(15,15); Q(15,15)=1; K=zeros(15,6); H=zeros(6,15); for i=1:6 H(i,i)=1; end for i=1:N L(:,i)=zeros(6,1); L(1,i)=randn(1); end for i=2:N X1(:,i)=A*X2(:,i-1); Z1=A*Z2*A'+Q; K=Z1*H'*inv(H*Z1*H'+R); X2(:,i)=X1(:,i)+K*(L(:,i)-H*X1(:,i)); Z2=[E-K*H]*Z1; end plot(t,L(1,:),'g*'); hold on; plot(t,X1(1,:),'r*');
IMU惯性导航姿态算法
06-03
惯性导航应用中，关于加速度传感器、陀螺传感器、磁罗盘传感器的姿态滤波算法原理与实现。
基于改进MSCKF算法的室内机器人定位方法
05-06
针对传统多状态约束卡尔曼滤波算法（MSCKF）在实现机器人室内定位时，速度和位置状态方程需要对IMU中加速度计的测量数据进行积分，存在漂移和累计误差，且加速度计受重力干扰问题，本文提出改进MSCKF算法.改进MSCKF算法避免使用加速度计传感器，利用轮式里程计传感器对平移测量较为精确的优点，将IMU中陀螺仪和轮式里程计的数据进行融合，改进MSCKF算法的扩展卡尔曼（EKF）状态方程.首先利用陀螺仪传感器的角速度数据得到改进EKF姿态方程，然后利用轮式里程计传感器的平移数据，结合姿态方程中的旋转信息得到改进EKF速度和位置方程.最后在机器人操作系统（ROS）上实现MSCKF及其改进算法，并结合Turtlebot2机器人在室内进行实验验证.实验结果表明，改进MSCKF算法的运动轨迹更接近于真实轨迹，定位精度较改进前所有提高，改进前平均闭环误差是0.429 m，改进后平均闭环误差是0.348 m.
GPS+IMU（室内外无缝定位）数据融合MATLAB程序.rar
07-07
数据融合技术，尤其是卡尔曼滤波等算法，能够结合GPS和IMU的优点，实时校正IMU的漂移，从而实现高精度的室内外无缝定位。 在这个MATLAB程序中，可能包含了以下关键知识点： 1. **卡尔曼滤波**：一种有效的数据融合...
基于 IMU 的位姿解算
黎国溥
03-14 1万+
前言 参考了一些论文，总结了一些IMU 位姿解算的方法和案例，记录与分享给大家。 一、IMU固定在某物体上 IMU能 输出了载体的加速度、角速度，通过惯导解算原理获得载体运动的位姿轨迹。进行解算时，还需要消除 IMU 采样数据中存在的误差，以 及过程中产生的误差。 将IMU 固定一个物体上，比如固定在机器人上（机器人上有个喷枪）、固定在一个装有摄像头的支架上等等，按照捷联惯导解算的原理，IMU 与固定物体的相对位置并不会发生变化，可以将 IMU的运动视作刚体运动。而刚体运动是通过位姿对时间的变化
GPS及惯性传感器在无人驾驶中的应用
CSDN 人工智能
10-12 7463
作者：刘少山，张哲 本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2016年《程序员》 本文是无人驾驶技术系列的第五篇，着重于GPS以及惯性传感器在无人驾驶中的应用。GPS是当前行车定位不可或缺的技术，但是由于GPS的误差、多路径以及更新频率低等问题，我们不能只依赖于GPS进行定位。而惯性传感器拥有很高的更新频率，可以跟GPS形成互补。而使用传感器融合技术，我们可以融合...
imu相机标定_IMU 标定 | 工业界和学术界有什么不同？
weixin_35689877的博客
12-10 481
本文主要介绍了IMU基本结构原理和误差的相关概念，IMU误差模型，并较详细介绍了商用产品和学术文献提到的两种IMU标定方法。本文干货较多，请慢慢品味由于知乎格式问题，符号显示比较奇怪，请在公众号“计算机视觉life”内阅读：IMU 标定 | 工业界和学术界有什么不同？​mp.weixin.qq.com了解IMU和误差IMU（Inertial Measurement Unit）是测量运动物体惯性运动...
IMU参数标定工具——imu_tk
W_Tortoise的博客
05-06 1万+
sudo apt-get install build-essential cmake libeigen3-dev libqt4-dev libqt4-opengl-dev freeglut3-dev gnuplot git clone https://github.com/Kyle-ak/imu_tk.git cd imu_tk mkdir build cd build cmake .. ma...
【学习总结】Lidar与IMU标定
larrydong的博客
09-11 1万+
本文仅用于自己学习雷达与IMU标定过程中的一些记录。 最近项目需要入手了镭神智能的“镭神C32”激光雷达，和KVH的1750IMU模块。在调用驱动完成初步数据读取之后，现在需要对雷达IMU系统进行标定。查阅了一些资料，发现并没有太多关于Lidar+IMU标定的资料。大多数论文中只是提到一句“我们认为雷达和IMU已经完成了标定”或者“Lidar与IMU采用离线的方式完成标定”。真的让人摸不着头脑。 标定需要标什么? 参考文献[1]中指出 “the LiDAR-IMU calibration mainly in
gps和imu组合定位代码
最新发布
04-03
由于GPS和IMU组合定位需要涉及到硬件和软件的配合，所以代码实现的细节可能会有所不同。以下是一个简单的基于Arduino的GPS和IMU组合定位代码示例： #include <Adafruit_GPS.h> #include <Wire.h> #include <Adafruit_Sensor.h> #include <Adafruit_LSM6DS33.h> //初始化GPS Adafruit_GPS GPS(&Wire); #define GPSECHO false //初始化IMU Adafruit_LSM6DS33 IMU; void setup() { Serial.begin(115200); //初始化GPS GPS.begin(9600); GPS.sendCommand(PMTK_SET_NMEA_OUTPUT_RMCGGA); GPS.sendCommand(PMTK_SET_NMEA_UPDATE_1HZ); GPS.sendCommand(PGCMD_ANTENNA); //等待GPS信号 while (!GPS.fix) { Serial.print("Waiting for GPS..."); delay(1000); } //初始化IMU if (!IMU.begin()) { Serial.println("Failed to initialize IMU!"); while (1); } } void loop() { //获取GPS数据 GPS.read(); float lat = GPS.latitudeDegrees; float lon = GPS.longitudeDegrees; float alt = GPS.altitude; //获取IMU数据 sensors_event_t accel_event, gyro_event; IMU.read(); IMU.getEvent(&accel_event, &gyro_event); float ax = accel_event.acceleration.x; float ay = accel_event.acceleration.y; float az = accel_event.acceleration.z; float gx = gyro_event.gyro.x; float gy = gyro_event.gyro.y; float gz = gyro_event.gyro.z; //进行组合定位计算 //TODO: 在这里编写组合定位算法 //输出定位结果 Serial.print("Latitude: "); Serial.println(lat, 10); Serial.print("Longitude: "); Serial.println(lon, 10); Serial.print("Altitude: "); Serial.println(alt); Serial.print("Accelerometer: "); Serial.print(ax); Serial.print(", "); Serial.print(ay); Serial.print(", "); Serial.println(az); Serial.print("Gyroscope: "); Serial.print(gx); Serial.print(", "); Serial.print(gy); Serial.print(", "); Serial.println(gz); //等待一段时间再进行下一次定位 delay(1000); } 上述代码中，我们使用了Adafruit_GPS和Adafruit_LSM6DS33两个库来分别读取GPS和IMU数据。在setup()函数中，我们初始化了GPS和IMU，并等待GPS定位成功。在loop()函数中，我们首先读取GPS数据，然后读取IMU数据，最后进行组合定位计算，并输出定位结果。由于组合定位算法的具体实现方式可能会有所不同，因此在上述代码中，我们留下了一个TODO注释，请根据具体情况编写组合定位算法。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

司空慕白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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