因子图GNSS 【Graph GNSS】

 

 

参考链接

参考一. 专栏GraphGNSSLib 中的文章：

　　1. 一、GraphGNSSLib 的详细安装和运行步骤 + 跑自己的数据时注意事项 + RTK精度达不到作者论文中的1.7米的解决方法 + ENU坐标系和ECEF坐标系下的定位误差不一致问题

 

参考二：香港理工大学相关参考：

　　1.  GraphGNSSLib: 基于因子图技术的GNSS定位和GNSS RTK定位算法

　　2. 因子图技术的潜力，也在一个近期的Google在美国导航协会的ION GNSS+ 2021的会议上举办的一个手机GNSS定位的比赛上获得一个极大的验证，来自日本千叶工业大学的Taro Suzuki博士（GNSS界都市定位很有名的新秀）使用因子图技术，对手机采集的GNSS数据进行定位解算，获得了第一名！这个是一个非常非常不容易的名次，参赛选手非常多，具体信息大家可以参见：

　　2021年比赛链接：　　　　Google Smartphone Decimeter Challenge

　　2022年比赛链接：https://www.kaggle.com/competitions/smartphone-decimeter-2022/discussion/341111

　　　　

 

 

 

 

 

 

　　3. 为了发掘因子图技术在纯GNSS定位上的性能，我们组近期将因子图技术应用到GNSS的定位以及GNSS-RTK定位，相关论文发表到了ICRA 2021，具体论文可以参见Towards Robust GNSS Positioning and Real-time Kinematic Using Factor Graph Optimization（https://arxiv.org/ftp/arxiv/papers/2106/2106.01594.pdf），相关代码可以参见（https://github.com/weisongwen/GraphGNSSLib）

　　4.  关于滤波和因子图优化在无人系统定位的对比与思考

 　

 

 

　　5. Factor Graph Based Sensor Fusion (TU Chemnitz)

 

参考三 专栏GVINS组合导航系统 （GNSS/INS/Vision） 中的文章：

 

参考四：

　　1.  GraphGNSSLib使用

 

参考五： M估计器相关参考

　　M-estimator M估计法 用于几何模型建立

　　理解图像配准中的LMeds、M-estimators与RANSAC算法

　　M-estimators