eskf-gps-imu-fusion
eskf-gps-imu-fusion copied to clipboard
zm0612
使用误差状态卡尔曼滤波器融合GPS和IMU，实现更高精度的定位
首先在eskf.cpp中updateOdomEstimate中，是由于Eigen库中的数据的截断误差，导致 在eskf.cpp中的R_nm_nm_1不完全正交，在这里我做了较多的尝试，使用svd分解等方法都不能得到一个较好的结果，因此我直接使用了inverse()，虽然运算速度上有损失，但是毕竟效果会更好一点。 第二个部分是eskf.cpp中关于角速度更新的部分，在ComputerNavigationFrameAngularVelocity中，对于纬度和高度直接使用了卫星的真值，这里当然是可以的，但是对于纯积分来说，没有GPS，因此最好加一个if的判断，没有GPS，直接使用上一时刻的imu的数据。（目前正在修改中） 第三个部分是在eskf.cpp中ComputePosition中，关于惯性比力方程，完整的公式需要扣除地球自转引起的加速度与对地向心加速度，但是在unbias_accel_0与unbias_accel_1求解的过程中，均采用了简化模型，这里可能有精度损失。我的公式和您的一样，就是您的博客“https://blog.csdn.net/u011341856/article/details/132948044#comments_31875260”中“2.速度更新a. 精确速度微分建模”下的模型。
当前主分支eskf.cpp第12行，g_初始化为(0，0，-9.78)，是不是在NED系下应该初始化为正的9.78，ENU下才是-9.78吧？第221、222行程序里用的是减去g_，反而结果是对的:)
eskf.cpp(当前主分支150行)，计算R_nm_nm_1时，用angle_axisd对应的旋转矩阵的transpose，210行在使用R_nm_nm_1时，又transpose了一下，这是误操作？还是姿态解算方程使然？