该代码为对大佬 Dongsheng Yang 写的IMU+GPS的ESKF融合的代码的注释版本，结合了我对于的ESKF公式总结。

惯性导航基本原理 入门两天半，电子板书籍 ，入门惯导必备

惯性导航GPS+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，很有用！

从三个方面讲解了IMU状态模型推导： 1. IMU运动模型推导; 2. IMU观测和噪声模型; 3. IMU状态估计误差模型. 非常完整，观测和噪声模型也很受用，对于理解MEMS传感器有非常大的帮助。

clear all N=100; T=4*pi/N; t=0:4*pi/N:4*pi-T; w=2*pi/(24*3600); X1=zeros(15,N); X2=zeros(15,N); L=zeros(6,N); X2(:,1)=[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0] X1(:,1)=X2(:,1); E=eye(15); W=[0 -w 0;w 0 0;0 0 0]; A=zeros(15,15); A(1:3,4:6)=eye(3); A(4:6,4:6)=-2*W; A(7:9,7:9)=-W; for i=10:12 A(i,i)=-1/7200; end for i=13:15 A(i,i)=-1/1800; end A=eye(15)+A*T+A*A*(T.^2)/2; Z1=zeros(15,15); Z2=eye(15); R=eye(6); Q=zeros(15,15); Q(15,15)=1; K=zeros(15,6); H=zeros(6,15); for i=1:6 H(i,i)=1; end for i=1:N L(:,i)=zeros(6,1); L(1,i)=randn(1); end for i=2:N X1(:,i)=A*X2(:,i-1); Z1=A*Z2*A'+Q; K=Z1*H'*inv(H*Z1*H'+R); X2(:,i)=X1(:,i)+K*(L(:,i)-H*X1(:,i)); Z2=[E-K*H]*Z1; end plot(t,L(1,:),'g*'); hold on; plot(t,X1(1,:),'r*');

该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。

很好的学习惯性导航技术的文档。 很好的学习惯性导航技术的文档。

步态导航 利用IMU和GPS实现行人步态的导航 能在室内和室外都能使用

对IMU基础知识进行讲解，并对误差分析，对IMU的标定技术进行实验分析

OriDemo; Gyroscope+Accelermeter; IMU; Kalman filter.