因子圖GNSS 【Graph GNSS】

 

 

參考鏈接

參考一. 專欄GraphGNSSLib 中的文章：

　　1. 一、GraphGNSSLib 的詳細安裝和運行步驟 + 跑自己的數據時注意事項 + RTK精度達不到作者論文中的1.7米的解決方法 + ENU坐標系和ECEF坐標系下的定位誤差不一致問題

 

參考二：香港理工大學相關參考：

　　1.  GraphGNSSLib: 基於因子圖技術的GNSS定位和GNSS RTK定位算法

　　2. 因子圖技術的潛力，也在一個近期的Google在美國導航協會的ION GNSS+ 2021的會議上舉辦的一個手機GNSS定位的比賽上獲得一個極大的驗證，來自日本千葉工業大學的Taro Suzuki博士（GNSS界都市定位很有名的新秀）使用因子圖技術，對手機采集的GNSS數據進行定位解算，獲得了第一名！這個是一個非常非常不容易的名次，參賽選手非常多，具體信息大家可以參見：

　　2021年比賽鏈接：　　　　Google Smartphone Decimeter Challenge

　　2022年比賽鏈接：https://www.kaggle.com/competitions/smartphone-decimeter-2022/discussion/341111

　　　　

 

 

 

 

 

 

　　3. 為了發掘因子圖技術在純GNSS定位上的性能，我們組近期將因子圖技術應用到GNSS的定位以及GNSS-RTK定位，相關論文發表到了ICRA 2021，具體論文可以參見Towards Robust GNSS Positioning and Real-time Kinematic Using Factor Graph Optimization（https://arxiv.org/ftp/arxiv/papers/2106/2106.01594.pdf），相關代碼可以參見（https://github.com/weisongwen/GraphGNSSLib）

　　4.  關於濾波和因子圖優化在無人系統定位的對比與思考

 　

 

 

　　5. Factor Graph Based Sensor Fusion (TU Chemnitz)

 

參考三 專欄GVINS組合導航系統 （GNSS/INS/Vision） 中的文章：

 

參考四：

　　1.  GraphGNSSLib使用

 

參考五： M估計器相關參考

　　M-estimator M估計法 用於幾何模型建立

　　理解圖像配准中的LMeds、M-estimators與RANSAC算法

　　M-estimators