/eskf-gps-imu-fusion

误差状态卡尔曼ESKF滤波器融合GPS和IMU，实现更高精度的定位

Primary LanguageC++

误差状态卡尔曼滤波器(ESKF)融合IMU与GPS数据

只使用IMU进行积分的结果 使用ESKF融合IMU和GPS
0 0
0 0

实现方法请参考我的博客《【附源码+代码注释】误差状态卡尔曼滤波(error-state Kalman Filter)实现GPS+IMU融合，EKF ErrorStateKalmanFilter GPS+IMU》

1. 依赖库

Eigen

sudo apt-get install libeigen3-dev

Yaml

sudo apt-get install libyaml-cpp-dev

Glog

sudo apt-get install libgoogle-glog-dev

2. 编译

cd eskf-gps-imu-fusion
mkdir build
cd build
cmake ..
make

3. 运行

cd eskf-gps-imu-fusion
./build/gps_imu_fusion ./config/config.yaml ./data

4.轨迹显示

执行完./gps_imu_fusion会生成轨迹文件

cd eskf-gps-imu-fusion/data
python display_path.py

5.误差分析

推荐使用工具: evo

cd eskf-gps-imu-fusion/data
evo_traj tum fused.txt gt.txt gps_measurement.txt -p

6. 接入其他数据

如果需要接入其他数据，您需要将您的数据格式进行整理，以符合本算法的需求，参考data/raw_data文件夹中的数据格式，并且至少要在accel-0.csv,gps-0.csv,gps_time.csv,gyro-0.csv,time.csv文件中填入你的IMU和GPS数据。

提示：

  • IMU的加速度和角速度需要使用前右下坐标系；
  • GPS的数据按照：纬度、经度、高度填入，并且单位分别为度和米；
  • 采集和生成自己的数据时，请尽量从静止和近水平面状态开始运动。

7. todo

  • 增加初始化时重力对齐
  • 增加初始化时bias估计
  • ……