GVINS 系统概述GVINS 是一种基于非线性优化的系统用于实现实时、无漂移的状态估计。该系统通过将GNSS 原始测量值如伪距和多普勒与视觉和惯性信息进行紧耦合以提供准确的全局 6-DoF六自由度估计。1. 系统核心特点特点描述紧耦合设计将 GNSS 原始观测值直接融入优化过程而非仅使用 GNSS 定位结果多传感器融合融合 GNSS、视觉和 IMU 数据充分利用各传感器的优势滑窗优化框架采用 VINS-Mono 的体系结构结合因子图优化方法初始化流程分为三步单点定位、4 自由度对齐、轨迹因子构建2. 初始化流程详解GVINS 的初始化分为以下三个步骤单点定位利用 GNSS 单点定位计算大致基准点用于转换坐标系。4 自由度对齐利用多普勒观测值计算速度从而得到航向差异和接收机钟差。对齐航向后再次优化对齐轨迹因子。轨迹因子构建构建三种因子伪距因子位置层面的约束。多普勒因子速度层面的约束。接收机钟差钟漂因子连续状态转移的约束。3. 系统优势优势描述消除漂移通过 GNSS 的全局约束显著减少 VIO 的漂移问题鲁棒性在复杂环境中如城市峡谷、隧道出入口表现稳定无缝切换能够处理室内到室外环境的过渡包括卫星信号丢失和重新获取高精度在长时间运行中保持局部精度即使 GNSS 测量噪声较大4. 实验验证GVINS 通过仿真和真实实验进行了广泛验证结果表明显著抑制了 VIO 的漂移。在城市驾驶和室内外混合环境中表现出良好的可用性和鲁棒性。在需要厘米级精度的测绘应用中表现优异。5. 技术实现5.1 系统框架VIO 部分采用 VINS-Mono 的框架。相机建模使用camodocal进行相机标定。优化器使用Ceres进行非线性优化。5.2 依赖库Ubuntu 18.04 ROS Melodic推荐的开发环境。C 11 或更高版本支持 C11 的编译器。5.3 示例代码片段// 伪距因子构建示例 FactorGraph::addFactor(new PseudorangeFactor( gnss_measurement, camera_pose, imu_state, noise_model::Isotropic::Sigma(3, 0.1) ));6. 应用场景GVINS 适用于以下场景城市峡谷环境GNSS 信号易受遮挡和反射。隧道出入口GNSS 信号频繁切换。长时间运行的无人机/机器人定位需要高精度和稳定性。需要厘米级精度的测绘应用如地形建模、建筑扫描等。7. 参考资料GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State EstimationGVINS 论文解读从零部署 GVINS参考来源GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation - 科研通GVINS论文阅读VINS-MONO gnss 紧耦合_gvins 论文解读-CSDN博客GVINS: Tightly Coupled GNSS–Visual–Inertial Fusion for Smooth and Consistent State Estimation - 科研通从零部署GVINS手把手教你搭建港科大多源融合定位系统-CSDN博客2021年开源SLAM算法_ikfom csdn-CSDN博客
