雖然GNSS/INS松組合算法已經(jīng)很成熟，但對(duì)初學(xué)者來(lái)說(shuō)正確實(shí)現(xiàn)它仍是不小的挑戰(zhàn)。為此，我們開源一套基于擴(kuò)展卡爾曼濾波的GNSS/INS組合導(dǎo)航算法代碼(KF-GINS)。代碼結(jié)合團(tuán)隊(duì)已公開的視頻課程、講義，供初學(xué)者入門使用，也可作為基礎(chǔ)的GNSS/INS松組合算法研究平臺(tái)。

隨著自動(dòng)駕駛和智能無(wú)人系統(tǒng)的發(fā)展，復(fù)雜環(huán)境下連續(xù)準(zhǔn)確的定位定姿需求日益增加。在眾多的導(dǎo)航定位技術(shù)中，全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)和慣性導(dǎo)航系統(tǒng)(INS)具有天然的互補(bǔ)性，因此GNSS/INS組合導(dǎo)航被公認(rèn)為最經(jīng)典、使用最廣泛的組合導(dǎo)航系統(tǒng)。

GNSS/INS的數(shù)據(jù)融合算法首先通過(guò)INS機(jī)械編排實(shí)現(xiàn)導(dǎo)航狀態(tài)的推算，然后通過(guò)Kalman濾波將GNSS的定位和測(cè)速信息作為觀測(cè)量對(duì)INS推算的導(dǎo)航狀態(tài)量進(jìn)行修正。GNSS/INS數(shù)據(jù)融合的Kalman濾波算法已經(jīng)很成熟，但涉及慣性導(dǎo)航算法、IMU誤差建模、Kalman濾波設(shè)計(jì)實(shí)現(xiàn)等多方面的知識(shí)，正確實(shí)現(xiàn)組合導(dǎo)航算法對(duì)初學(xué)者來(lái)說(shuō)仍是不小的挑戰(zhàn)。

武漢大學(xué)i2Nav團(tuán)隊(duì)開源了一套基于擴(kuò)展卡爾曼濾波的GNSS/INS組合導(dǎo)航系統(tǒng)(EKF-Based GNSS/INSIntegrated Navigation System, KF-GINS)算法代碼。這套代碼結(jié)合團(tuán)隊(duì)已公開的視頻課程、講義[1,2]，供初學(xué)者入門使用，也可作為基礎(chǔ)的GNSS/INS松組合算法研究平臺(tái)。KF-GINS采用C++語(yǔ)言編寫，各功能函數(shù)和模塊相對(duì)獨(dú)立，復(fù)用性和可擴(kuò)展性較強(qiáng)。KF-GINS已上傳到GitHub，可通過(guò)以下鏈接獲取:

KF-GINS主要特點(diǎn)包括：

擴(kuò)展卡爾曼濾波(誤差狀態(tài)向量)架構(gòu)的GNSS/INS松組合算法，包括IMU誤差補(bǔ)償、慣性導(dǎo)航解算、Kalman濾波、誤差反饋等環(huán)節(jié)；

采用21維系統(tǒng)誤差狀態(tài)，包括位置誤差、速度誤差、姿態(tài)誤差、IMU零偏誤差和IMU比例因子誤差；

姿態(tài)誤差采用Phi角模型，速度、位置誤差定義在導(dǎo)航坐標(biāo)系下；

慣性導(dǎo)航解算采用基于角速度和加速度線性變化假設(shè)的雙子樣機(jī)械編排算法，補(bǔ)償了姿態(tài)圓錐效應(yīng)、速度的旋轉(zhuǎn)效應(yīng)和劃槳效應(yīng)。

KF-GINS系統(tǒng)框架

這套代碼配套的組合導(dǎo)航測(cè)試數(shù)據(jù)集(包含不同精度等級(jí)IMU)可以通過(guò)如下鏈接獲取:

https://github.com/i2Nav-WHU/awesome-gins-datasets

審核編輯：劉清