Advertisement

GPS+IMU+UWB无缝切换定位资料包（含激光IMU数据）.rar

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本资料包包含GPS、IMU及UWB三种技术融合下的无缝切换定位方案与激光IMU数据集，适用于高精度室内室外导航和定位研究。 解决GNSS、UWB和激光三种定位方式之间的自由切换问题。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • GPS+IMU+UWB无缝切换定位资料包（含激光IMU数据）.rar
    优质
    本资料包包含GPS、IMU及UWB三种技术融合下的无缝切换定位方案与激光IMU数据集，适用于高精度室内室外导航和定位研究。 解决GNSS、UWB和激光三种定位方式之间的自由切换问题。
     
  • GPS与IMU组合定位的原始数据
    优质
    本研究探讨了全球定位系统（GPS）和惯性测量单元（IMU）的数据融合技术在提高位置跟踪精度方面的应用。通过分析原始数据，优化定位算法，旨在实现更精确、稳定的位置估计。 GPS/IMU组合定位原始数据 MEMS车载试验；传感器的x/y/z轴分别沿载体的右/前/上方向安装；方位北偏西为正,取值范围+-180deg。 IMU：icm20948，GPS：ublox m8n。模块右前上安装在车辆前挡风玻璃下。 数据包含： [1] T(s), Gx/y/z(deg/s), Ax/y/z(m/s^2), Pitch/Roll/Yaw(deg), [11]: NavVE/N/U(m/s), NavLat/Lon(deg), NavHgt(m), GPSVE/N/U(m/s), GPSLat_d, gpslat_m, lon_d(deg), gpslon_m, GPSHgt(m), GPSYaw(deg), PDOP, SatNum, Magx/y/z(mG), Baro(m).
     
  • IMU-GNSS-激光雷达
    优质
    IMU-GNSS-激光雷达系统结合惯性测量单元、全球导航卫星系统与激光雷达技术，提供高精度的空间定位及环境感知能力，在自动驾驶和机器人领域有广泛应用。 在IT行业中，激光雷达（LiDAR）、惯性测量单元（IMU）和全球导航卫星系统（GNSS）是三个重要的传感器技术，在自动驾驶、无人机、机器人定位导航以及地理空间测绘等领域广泛应用。本段落将深入探讨这三种技术的原理、集成方式及其在C++中的应用。 激光雷达是一种主动式遥感技术，通过发射激光脉冲并测量回波时间来计算目标的距离。它为自动驾驶提供了高精度的三维环境感知能力，能够识别物体的位置、形状和速度。处理激光雷达数据通常涉及点云处理、目标检测与跟踪算法，在C++中可使用PCL库进行滤波、分割及特征提取等操作。 IMU包含加速度计和陀螺仪，用于连续监测设备的线性和角速度，并估计其姿态。然而，单独使用时会存在漂移问题。因此，在C++编程中通常采用EKF或UKF来融合IMU数据以提高定位精度与稳定性。 GNSS提供全球范围内的精确定位服务。接收器通过多个卫星信号进行三角定位计算设备位置；但在城市峡谷或室内环境下，可能会受到遮挡导致定位失效。为此，常结合使用IMU和激光雷达数据实现多传感器融合，从而达到更可靠的定位效果。 在C++中整合这些传感器数据通常需要编写软件框架以处理数据采集、预处理及应用等环节。ROS（机器人操作系统）提供了一套标准化接口与工具用于处理传感器信息；其节点可以分别针对LiDAR、IMU和GNSS进行独立操作，并通过消息传递机制将它们融合为统一的定位方案。 此外，C++库如libeigen支持矩阵向量运算，而ceres-solver则适用于非线性优化。利用这些工具可构建基于卡尔曼滤波紧密耦合的数据融合算法，从而实现亚米级甚至厘米级精度的位置确定。 实践中需考虑实时性、数据同步及误差校正等因素，并确保代码具备良好的扩展性和维护能力以适应不同应用场景需求。 激光雷达、IMU和GNSS的集成是现代定位系统的关键组成部分。通过C++编程技术可以充分发挥这些传感器的优势，从而开发出高效且准确的定位解决方案，在无人驾驶与机器人导航等领域带来革命性进步。
     
  • GPS与IMU（室内外连续定位）数据融合的MATLAB程序.rar
    优质
    本资源提供了一个利用MATLAB实现的GPS与IMU数据融合程序，适用于室内外连续定位场景。包含详细注释和示例文件，帮助用户快速掌握高精度定位技术。 惯性导航GPS与IMU数据融合的MATLAB程序可以作为实现室内外无缝定位的一个参考，非常有用。
     
  • UWB-Localization: 精确3D定位MAV群的UWB与IMU融合技术
    优质
    简介：本文提出了一种结合超宽带（UWB）和惯性测量单元（IMU）的数据融合方法，用于实现对微型自主飞行器(MAV)群的精确三维空间定位。 UWB本地化与IMU融合技术用于多旋翼飞行器群的精确3D定位研究在2018年美国安克雷奇举行的国际控制与自动化会议（ICCA）上进行了展示。该论文由李嘉欣、毕颖才、李坤、王康丽、林凤和陈本民共同撰写，题为《通过UWB和IMU融合实现多旋翼飞行器群的精确3D定位》。
     
  • Android-GPS-IMU
    优质
    Android-GPS-IMU是一款结合了全球定位系统（GPS）和惯性测量单元（IMU）技术的应用程序或开发工具包，旨在提供精准、高效的移动设备位置跟踪与姿态估计解决方案。 项目后端取自原作者的贡献：由于发现需要分叉的时候我已经对大量文件进行了改动，所以并未进行正式的分支操作。 最初的版本可以测量覆盖的距离。我对此进行了调整以满足我的需求。现在应用程序能够过滤并输出所需的位置、速度和方位数据。我不再使用不需要的功能模块，例如前端的日志记录器（Loggers）。此外，我还提升了传感器的工作频率至100Hz（无延迟），这有助于提高定位精度，并加快了收敛时间，不过这也增加了电池的消耗量。 目前的应用程序会输出过滤后的坐标、速度和方位信息。未来几周内我会继续优化性能。 出色的后端是由这位开发者编写的，向他表示敬意。前端部分可能更为整洁有序，但对我来说，在前端快速获取位置、速度和方位数据有些困难。这可能是由于我刚开始接触Android开发的缘故。 该项目是一个库，用于融合GPS与加速度计的数据，并通过卡尔曼滤波器进行处理。
     
  • 海外UWB与IMU定位标签电路图解析
    优质
    本文章详细解析了结合超宽带（UWB）和惯性测量单元（IMU）技术的海外最新定位标签电路设计，深入探讨其工作原理及应用场景。 国外Bitcraze公司的UWB+IMU定位标签融合了超宽带（UWB）技术和惯性测量单元（IMU），包括三轴加速度计、陀螺仪以及DWM1000模块，支持低延迟2.4 GHz无线通信，并兼容蓝牙LE。该设备可使用5-12V电源或micro-USB供电，并通过USB接口、UART串口、低延迟2.4 GHz无线电或者蓝牙LE实现数据传输和固件更新功能。
     
  • MATLAB中的GPS-IMU数据融合
    优质
    本研究探讨了在MATLAB环境下实现GPS与IMU传感器数据的高效融合技术，旨在提升导航系统的精确度和稳定性。通过算法优化，实现了实时、准确的数据处理与分析。 GPS-IMU 数据融合的matlab源码文件名为GPS_IMU_Fushion.m。
     
  • IMU与GPS数据融合定位：基于位姿状态方程的EKF算法从MATLAB到C++的实现详解，IMU和GPS EKF融合定位...
    优质
    本文章详细讲解了基于姿态状态方程的扩展卡尔曼滤波(EKF)算法在IMU与GPS数据融合定位中的应用，并提供从MATLAB到C++的具体实现方法。适合研究者和技术爱好者深入学习。 IMU与GPS数据融合定位：基于位姿状态方程的EKF算法从MATLAB到C++的代码实现解析 这段代码是一个用于将GPS和IMU（惯性测量单元）数据进行融合的数据处理程序，目的是估计车辆的位置和姿态。 首先，该代码使用了MATLAB的一些函数及工具箱来完成数据处理与仿真工作。其中`clear`命令被用来清除MATLAB的工作空间中的所有变量。 随后，在代码中定义了一些关键参数和变量，比如`imuFs`代表IMU的数据采样频率而`gpsFs`则表示GPS的相应数值；另外还有个重要参数是`imuSamplesPerGPS`, 它表明每个GPS数据点所对应的IMU数据的数量。接着，加载了一个名为`trajData0.mat`的文件, 这里包含了车辆行驶轨迹的相关信息。 接下来的操作中创建了名为 `gndFusion` 的融合对象，并通过调用 `insfilterNonholonomic` 函数对其进行初始化设置。该对象的主要任务是将IMU与GPS数据进行整合，进而实现对车辆位置及姿态的准确估计。通过对不同参数的选择和调整，可以优化整个算法的效果以及精度表现。 基于位姿状态方程，此过程采用了松耦合的方法来完成上述的数据融合工作。
     
  • MATLAB_利用GPS和IMU进行定位_EKF位置估算
    优质
    本教程介绍如何使用MATLAB结合GPS与IMU数据，通过扩展卡尔曼滤波器（EKF）实现精准的位置估计。适合工程和技术人员学习。 使用GPS和IMU完成定位，通过GPS IMU EKF LOCATION实现。