高斯牛顿继承法matlab代码用于多摄像机和IMU校准的最小解算器 给定一个由三个带有相应IMU的摄像机组成的可移动装备，请使用IMU数据查找摄像机的位置和方向。 我们假设存在从摄像机到IMU的已知刚性转换。 这将基于Isaac Skog等人的先前工作。 [1]和HåkanCarlsson等。 [2]。 在[2]中，校准是使用坐标下降法结合经典的非线性最小二乘法进行的。 这些方法可能并不总是收敛或收敛缓慢。 在这个项目中，我们将研究是否可以通过使用动作矩阵方法（例如，参见Viktor Larsson的论文简介中的第7节）使解决方案更健壮和/或更快速。 通过这种方法，该问题可以转化为特征分解问题，对于该问题，存在快速的数值稳定求解器。 此外，此方法是不需要初始化的全局优化方法。 入门 所有代码都是用MATLAB编写的，可以在matlab文件夹中找到。 在该文件夹中， solveImuArray.m是作用矩阵求解器，将与solveImuArrayMl.m高斯-牛顿求解器solveImuArrayMl.m 。 可在tests文件夹中找到用于测试两个求解器的数值以解决各种噪声的脚本 初步结果

多传感器信息融合，介绍中图片为INS+ DVL组合程序，此外还有imu+ gps组合等其他程序

官网不好找资料，把我找到的资料分享给大家，0积分下载

运动加速度抑制的动态步长梯度下降姿态解算算法.pdf

mpu9250 适用于MPU9250（和某些MPU *设备）和板载AK8963（加速度计+陀螺仪+磁力计IMU）的no_std驱动程序。 什么有效 读取加速度计，陀螺仪，温度传感器和磁力计：原始值，换算值和换算值。 设置DLPF，读数刻度，采样率除数。 读取mpu9250和ak8963的WHO_AM_I寄存器。 获得分辨率和工厂灵敏度。 支持芯片 MPU9250 - Imu和Marg ； MPU9255 Imu MPU9255 （ Imu和Marg ; MPU6500仅Imu 。 笔记 MPU9255在ASIC中具有一些额外的功能，该功能允许一些其他的手势控制，但该芯片与MPU9250相同。 基本用法 将作为依赖项包含在Cargo.toml中 ： [dependencies.mpu9250] version = "" 使用embedded-hal实现获取SP

数据预处理-IMU数据滤波 在飞控领域中，主要针对飞行器在某一个高频点幅值较大，换句话来说，就是常见的飞机有共振的现象时。简单来说，陷波滤波器主要针对的某一个特定频率而不影响其他频率段的滤波。

测距系统中卡尔曼滤波器的演示 这是 similink 数据中只有测距（UWB）和 6 轴 imu 传感器的融合算法 演示 demo_ekf_error.m demo_ukf.m 更多详情、使用方法，请下载后阅读README.md文件

WiFi IMU到3D显示 该项目是MPU6050 DMP Teapot演示的无线版本。 有关更多详细信息，请参见以下链接。 区别在于1）使用BNO055代替MPU6050； 2）用电池供电的ESP8266 WiFi板代替Arduino AVR板，因此IMU不受束缚。 涵盖了两种不同的方法。 第一种使用ESP8266上运行的程序，该程序通过UDP WiFi在开放声音控制（OSC）消息中发送IMU四元数数据。 在运行渲染3D飞机的处理的计算机上接收到消息。 第二个程序使用ESP8266上运行的程序，该程序是HTTP服务器和Web套接字服务器。 当HTTP客户端连接时，初始网页包括一个渲染3D飞机的程序。 ESP8266通过Web套接字将Euler角度发送给客户端。 此方法的优点是：1）可以同时连接多个客户端，并且2）客户端上未安装任何软件。 客户端可以是在任何操作系统（包括IOS，A

CIL-SLAM 1、工程简介 cil-slam是相机-惯性测量单元-雷达紧耦合slam系统的简称，也是我硕士毕业的课题，目前为止完成度不高，要抓紧时间了！总体思想：参考lio-sam以因子图作为后端，添加imu预积分约束（同时高频imu测量辅助点云进行畸变去除和姿态预测）、雷达里程计约束、视觉里程计约束（3D-2D的匹配）。 2、视觉部分 以激光雷达帧构成的局部地图补全视觉特征的深度，视觉部分采用点特征以及线特征，前端特征提取与跟踪已经完成。代码上对vins-mono的光流跟踪节点以及Pl-vio的线特征跟踪节点进行了重构，采用ROS与功能类分离的设计，同时也提升了代码的可读性。 光流跟踪效果： 线特征匹配效果： 3、参考资源 感谢以下大佬的文章以及开源代码，没有他们的杰出工作，我们去哪搬砖呀： ，Tixiao Shan小哥真的是年轻有为！

国外大牛写的，基于重力传感器和陀螺仪来检测方向和动作，里面有不少关于算法的细节描述，值得参考！