麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL

发布于 2023-4-10 13:32
浏览
0收藏

以下内容来自​小六的机器人SLAM学习圈​知识星球每日更新内容


点击领取学习资料 → 机器人SLAM学习资料大礼包


#论文# Robust, High-Precision GNSS Carrier-Phase Positioning with Visual-Inertial Fusion


论文地址:​https://arxiv.org/abs/2303.01291​


作者单位:麦吉尔大学



   传统的融合方法使用基于伪距的低精度GNSS测量(>5m误差),并且只能产生对全球地球中心固定(ECEF)帧的粗略配准。在本文中,我们利用高精度GNSS载波相位定位,并使用扩展卡尔曼滤波器(EKF)框架辅助其进行局部视觉惯性里程计(VIO)跟踪,以更好地解决与GNSS载波相关联的整数模糊性。



   我们还提出了一种用于精确GNSS天线到IMU外部标定的算法,以将VIO精确地对准ECEF帧。总之,我们的系统在严重闭塞的城市峡谷中实现了真实世界硬件实验所证明的稳健的全球定位,并且在整数模糊度解决方案固定率和定位RMSE精度方面显著优于最先进的RTKLIB。

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

麦吉尔大学提出松耦合EKF融合GNSS载波相位和VIO的方案,优于RTKL-汽车开发者社区

以上内容来自​小六的机器人SLAM学习圈​ 每日更新内容


文章转载自公众号:计算机视觉life

标签
收藏
回复
举报
回复
相关推荐