北斗导航 基于卡尔曼滤波的IMU+GNSS的组合导航（附Matlab源代码）

LIO-SAM-DetailedNote LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS，因子图优化。 LIO-SAM的代码十分轻量，只有四个cpp文件，很值得读一读呢。 关于LIO-SAM的论文解读，网上已经有很多文章啦，同系列的LOAM、A-LOAM、LEGO-LOAM等，在网上都可以找到相关的解读文章。所以本文旨在对源代码进行阅读学习，积累一些工程上的经验。这里记录下来，希望可以帮到有需要的同学，如有错误的地方，请您批评指正。 :) 如果对您有帮助，帮我点个star呦~ 目录（知乎） 整体流程 代码结构图 因子图 1、激光运动畸变校正。利用当前帧起止时刻之间的IMU数据、IMU里程计数据计算预积分，得到每一时刻的激光点位姿，从而变换到初始时刻激光点坐标系下，实现校正。 2、提取特征。对经过运动畸变校正之后的当前帧激光点云，计算每个点的曲率，进而提取角点、平面点特征

惯性测量单元IMU上位机控制软件，可以实现与IMU的即时通讯，可以参数设置等等

以前用的是python3.5，今天安装matplotlib库的时候提示python版本必须3.6以上，无奈之下，就直接重新安装了python3.8.2及部分常用的python第三方库，想到当初我在初次安装时查找了各种资料，于是想把我关于这方面知道的最简单的安装通用公式总结一下，送给在这方面正在迷茫的朋友们。 目录 了解你的电脑及python版本 若下载的是WHL文件 若下载的是压缩文件 特例 了解你的电脑及python版本 首先，要对我们的电脑有一些了解，最主要是电脑系统类型以及你所安装的python版本 以我的电脑来说，系统类型是64位操作系统（×64），python版本是3.8.2 py

用C#编写的基于PC端读取HG4930惯性测量单元数据并显示的源代码。测试通过，完美呈现，相信对于刚刚使用该惯性测量单元的同学有帮助，欢迎下载使用。

介绍：https://blog.csdn.net/zhaohaowu/article/details/122912648

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差，提出实时扩展卡尔曼滤波器姿态估计模型，利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考，对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦，修正姿态估计的累积误差；根据运动状态采用模糊逻辑调整滤波器参数，实现自适应的滤波估计，降低加速度噪声的影响．实验采用高精度的全站仪作为真值，并结合多种地形环境，实验结果表明：50 m内跟踪的累积误差低于0．3 m，有效地提高了视觉里程计的定位精度和鲁棒性．

基于EKF的IMU数据融合算法 ，包含一些example，亲测可运行

上一篇：基于Matlab-Simulink 的 2FSK 数字调制原理与仿真 上一篇：Simulink仿真系列– 扩频通信-跳频扩频通信系统的原理和Simulink仿真 上一篇：Simulink仿真系列 – Simulink模块-数字基带调制解调模块详解 M-PAM,M-FSK,M-PSK 0.前言：          电磁波信号在传输过程中，会受到各种干扰，这些干扰统称为噪声。根据信道中噪声的特点，信道可分为加性高斯白噪声信道（AWGN）、多径瑞利退化信道、多径莱斯退化信道。 (1)瑞利衰落分布：           在移动无线信道中，瑞利分布是最常见的描述平坦衰落信号接收包络或独立多径分量

这是一个适用于2.3.3 Android OS及更高版本的Android应用程序。 它处理如今集成在智能手机中的硬件和软件传感器。 用户可以选择传感器并观察以下各项的当前值：-加速度计-陀螺仪-磁力计-GPS位置-....和其他传感器通过WLAN包含CSV-格式的传感器值的流到客户端和/或流可以启动和停止SD卡。 传感器更新频率可以调整。 后台运行着一些GPS算法，可以将GPS数据转换为不同的坐标系。 通过WLAN的流使用用户数据报协议（UDP）接口。 为了接收数据，您可以在Files-Section中使用Java文件“ QuoteClient”之类的东西。