Advertisement

车载多IMU GNSS与INS数据集

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

简介：
本数据集包含车载多IMU及GNSS传感器在不同环境下的长时间连续观测记录，融合了高精度INS导航解算结果。 本数据集由武汉大学多源智能导航实验室提供，采集自湖北省武汉市的一个工业园区，在开阔天空场景下进行，并具备良好的GNSS RTK定位性能。该数据集涵盖了GNSS定位结果、IMU原始数据及高精度参考真值等信息，同时包括了噪声参数和安装参数。最显著的特点是提供了四种不同型号的MEMS IMU数据，其中包括消费级MEMS芯片和工业级MEMS模块的数据。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 车载多IMU GNSS与INS数据集
    优质
    本数据集包含车载多IMU及GNSS传感器在不同环境下的长时间连续观测记录，融合了高精度INS导航解算结果。 本数据集由武汉大学多源智能导航实验室提供，采集自湖北省武汉市的一个工业园区，在开阔天空场景下进行，并具备良好的GNSS RTK定位性能。该数据集涵盖了GNSS定位结果、IMU原始数据及高精度参考真值等信息，同时包括了噪声参数和安装参数。最显著的特点是提供了四种不同型号的MEMS IMU数据，其中包括消费级MEMS芯片和工业级MEMS模块的数据。
     
  • 重庆山区车载GNSS/INS组合导航数据典型示例
    优质
    本研究提供了在重庆复杂山区环境下采集的车载GNSS/INS组合导航系统的数据样本，展示其在信号受阻情况下的性能表现。 重庆山区典型车载组合导航数据包括GNSS/INS数据，在空旷、遮挡、隧道及地下停车场等多种场景下采集的数据是调试组合导航算法的理想选择。
     
  • GNSS+INS松耦合数据+CPP代码
    优质
    本项目结合GNSS与INS技术，采用松耦合方式融合传感器数据，并运用CPP语言开发相关算法处理软件，实现高精度定位。 GNSS+INS松组合数据+C语言代码 GNSS+INS松组合数据+C语言代码 GNSS+INS松组合数据+C语言代码
     
  • 惯性导航与GNSS组合导航算法：INS-GNSS集成
    优质
    本研究探讨了惯性导航系统（INS）与全球卫星导航系统（GNSS）相结合的组合导航技术，重点分析了INS-GNSS集成算法在提高定位精度和可靠性方面的应用。 INS-GNSS松散集成惯性导航/GNSS松散集成导航算法是一种结合了惯性测量单元（IMU）与全球卫星定位系统（GNSS）的导航技术，通过将两者的数据进行融合处理以提高系统的定位精度、可靠性和鲁棒性。该方法利用IMU提供连续的位置和姿态估计，并在GNSS信号可用时对其进行校正，从而实现在各种环境下的高效导航功能。
     
  • 多源传感器融合定位（GNSS、IMU、Camera）及GPS/INS组合导航技术...
    优质
    本项目聚焦于开发先进的多源传感器融合定位与GPS/INS组合导航技术，结合GNSS、IMU和Camera数据，实现高精度、可靠的定位与导航解决方案。 多源传感器融合（GNSS, IMU, Camera）定位技术结合了GPS/INS组合导航以及PPP/INS紧耦合方法。该版本号为release/3.0.0，旨在学习组合导航与视觉惯性里程计(VIO)的相关知识，并希望有兴趣的伙伴共同探讨。 程序依赖于glog、Eigen和OpenCV 3.4库，同时也使用了Ceres。 **使用说明** 最新稳定测试版对应的是release/3.0.0分支。由于多传感器融合采用了submodules形式挂载工具，因此在克隆完本项目后需要更新tools。 ```shell git checkout -b release/3.0.0 origin/release/3.0.0 git submodule init git submodule update ``` 安装好依赖库之后可以直接编译程序： ```shell mkdir build && cd build cmake .. make -j3 ``` 运行方式如下： ```shell ./mscnav_bin ${configure_file} ${log_ ```
     
  • SKM-4DX GNSS+INS车载组合惯性导航模块规格书_V1.03_Datasheet.pdf
    优质
    本资料详细介绍了SKM-4DX GNSS+INS车载组合惯性导航模块的技术规格和性能参数，适用于研发与集成。 SKM-4DX是一款专为车载导航领域设计的高性能组合导航模块，采用GNSS与INS（惯性导航系统）技术相结合的方式进行定位。该产品配备了高精度六轴惯性传感器，并运用成熟的惯导算法，在无需接入里程计或速度信号的情况下仍能提供精准定位服务，且安装简便，不受特定环境限制，在隧道、车库等复杂环境中依然能够保持高精度的车辆位置信息。 SKM-4DX模块体积小巧，采用SMD焊盘设计，支持标准取放及回流焊接工艺。其特点包括高灵敏度、低能耗以及强大的抗干扰能力等，适用于各种车载导航应用场景。
     
  • GNSS与INS紧组合修正代码
    优质
    本文探讨了将全球导航卫星系统（GNSS）与惯性导航系统（INS）进行紧密集成的技术，重点研究利用修正后的代码提升定位精度的方法。 C语言的GNSS和INS松组合代码。C语言实现的GNSS与INS松组合算法的代码。
     
  • 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。
     
  • 自动下载GNSS数据
    优质
    本工具支持自动化下载全球导航卫星系统（GNSS）的数据，适用于科研、测绘及定位服务等领域，提高数据收集效率和准确性。 可以自动下载各种GNSS数据，操作简单、方便快捷。
     
  • 从UNAVCO下载GNSS数据
    优质
    本教程详细介绍了如何从UNAVCO官方网站下载全球导航卫星系统（GNSS）数据，涵盖登录步骤、数据选择及下载过程。 从UNAVCO下载GNSS数据。