由内容质量、互动评论、分享传播等多维度分值决定，勋章级别越高()，代表其在平台内的综合表现越好。

　　计算机视觉life”，选择“星标”

　　今天给大家推荐上海交大开源的一个新工作GICI-LIB，融合了GNSS、INS、相机的开源库！具体如下：

　　高精度导航对自主机器人和自动驾驶等应用至关重要。其中，GNSS/INS/Camera（GIC）融合导航因其在复杂环境下的高精度和高鲁棒性表现，成为了当下研究的热点。构建一套GIC融合系统并非难事，但想要充分的发挥GNSS在其中的优势则比较复杂，因为GNSS算法可以由多种组合模型、误差模型、卫星星座、信号频点、增强服务类型所构建，这些不同的算法途径将导出不同的精度、鲁棒性、以及应用场景。

　　为了阐明GNSS的算法模型，加快在多源融合应用中针对GNSS的开发效率，我们开源了GICI-LIB，并辅以详尽的文档和全面的数据集。GICI-LIB以可扩展的设计理念，实现了GIC传感器之间多种形式的松紧组合。评估结果表明，GIC系统能够在多种复杂环境下，提供分米到米级的高精度导航。

　　1．基于图优化框架，实现了几乎所有可能的GNSS松组合和紧组合因子、INS因子、视觉因子、以及运动约束因子；同时，还实现了可靠的初始化算法、观测值稀疏化算法、以及外点剔除算法。

　　2．囊括了几乎所有的GNSS空间段、传播段、和地面段误差，并充分考虑其空间和时间相关性，以构造稳定的高精度GNSS表达。

　　3．针对可扩展性，我们使用面向对象的理念进行程序设计；同时，我们设计了灵活的因子图结构，以应对多传感器的时序管理；通过简单的实例化，用户可以构建任意形式与相当复杂度的GIC融合算法。

　　4．实例化了多种算法，包括单点定位（SPP），伪距差分（RTD），实时相位差分（RTK），精密单点定位（PPP），基于SPP的GNSS/INS松组合（LC）、紧组合（TC），GNSS/INS/Camera 松-紧-紧组合（SRR）、紧-紧-紧组合（RRR），基于RTK的LC、TC、SRR、RRR。

　　图3 短周期数据集（~ 5 min，相当于市区单端蕞长挑战/典型场景持续时间）场景，从左到右，从上到下，分别为，开阔天空、林荫、典型城市、深度城市

　　图4 短周期数据集算法性能统计（m/deg）

　　图5 长周期数据集（~ 40 min，相当于市区一次出行所需时间）轨迹

　　全国蕞大的机器人SLAM交流圈，详情戳「小六的机器人SLAM学习圈」

　　长按二维码，加入即可开始学习~3天内无条件退款

　　购买后务必加客服领取其他权益和加交流群

　　现在加入免费送近千页5年机器人SLAM答疑手册

　　全国蕞大的机器人SLAM开发者社区

　　学机器人SLAM/3D视觉，就上

　　点击领取学习资料 → 机器人SLAM学习资料大礼包

产业招商/厂房土地租售：400 0123 021
或微信/手机：13524678515; 13564686846; 13391219793 
请说明您的需求、用途、税收、公司、联系人、手机号，以便快速帮您对接资源。 
长按/扫一扫加葛毅明的微信号

扫一扫关注公众号