探索未来移动性：InGVIO，一款高级的视觉惯性GNSS融合滤波器

去发现同类优质开源项目:https://gitcode.com/

在自动驾驶和无人机导航领域，精确实时的位置感知是关键。InGVIO 是一个创新性的滤波器，专注于将单目/双目相机、IMU与原始GNSS（全球导航卫星系统）数据进行无缝融合，以实现高效且高精度的定位。由吕长武、江晨和王浩文共同研发，这个开源项目正挑战着传统定位方法的局限。

1、项目介绍

InGVIO 基于一种条件无限小不变性的原理，提供了一种内在一致的滤波方法，适用于包括伪距离和多普勒移位在内的原始GNSS测量值融合。它摒弃了SLAM特征，并通过独立的IMU推导、关键帧边缘化策略实现了快速性能；同时，由于其内在一致性保持，确保了精度。

论文链接：InGVIO: A Consistent Invariant Filter For Fast and High-Accuracy GNSS-Visual-Inertial Odometry

固定翼无人机数据集：Tsinghua Cloud - 固定翼无人机数据集

2、项目技术分析

InGVIO 使用了一种创新的滤波框架，该框架在理论上保证了系统的条件无限小不变性，从而提高了对噪声和动态环境变化的鲁棒性。此外，项目利用SuiteSparse库进行稀疏QR分解，优化了视觉更新。项目还兼容C++ 14标准，基于ROS Noetic系统构建，并依赖Eigen 3.3.7进行矩阵计算。

3、应用场景

InGVIO 的潜在应用广泛，特别是在：

• 自动驾驶车辆的实时定位与导航
• 固定翼或旋翼无人机的自主飞行控制
• 高精度室内定位系统
• 智能交通系统的基础设施监控

项目附带的固定翼无人机数据集提供了真实场景下的测试平台，帮助开发者评估和调优算法性能。

4、项目特点

• 速度优化：通过解耦IMU推导和关键帧边缘化策略，实现了快速处理。
• 高度准确性：保持内在一致性，即使在复杂的环境中也能提供准确结果。
• 更好的收敛特性：相比传统的EKF（扩展卡尔曼滤波器）基方法，有更优良的收敛性能。
• 无需SLAM特征：简化了系统复杂性，降低了计算开销。
• 兼容性：支持C++ 14，适配ROS-Noetic和可能的ROS-Melodic，未来可能会增加对ROS 2的支持。

要体验InGVIO的强大功能，请按照项目文档中的步骤安装并运行示例。无论你是研究者、开发人员还是对高性能定位系统感兴趣的爱好者，InGVIO 都值得一试！

开始使用InGVIO

在自己的ROS工作空间中克隆项目，配置好环境后，即可尝试运行提供的固定翼和GVINS公共数据集。让我们一起探索未来的移动性解决方案，为智能系统注入更强的定位能力吧！

去发现同类优质开源项目:https://gitcode.com/