"The subject of integrated navigation systems covered in this book is designed for those directly involved with the design, integration, and test and evaluation of navigation systems. It is assumed that the reader has a background in mathematics, including calculus. Integrated navigation systems are the combination of an onboard navigation solution (position, velocity, and attitude) and independent navigation data (aids to navigation) to update or correct navigation solutions. In this book, this combination is accomplished with Kalman filter algorithms. This presentation is segmented into two parts. In the first part, elements of basic mathematics, kinematics, equations describing navigation systems/sensors and their error models, aids to navigation, and Kalman filtering are developed. Detailed derivations are presented and examples are given to aid in the understanding of these elements of integrated navigation systems. Problems are included to expand the application of the materials presented. The third edition includes additional background material, exercises and software. The added material includes: development of general form for Earth's gravitational potential with simplification to an ellipsoid model; development of satellite orbital equations for position and velocity and the impact of non-spherical earth gravitation on satellite orbital parameters; and illustrations in the development of derivative free Kalman filters including the Unscented and Divided Difference filter forms. Additional exercises are included that expand and supplement the material in the text and demonstrate properties of the Kalman filter. Additional software is included in this edition for simulating random processes and derivative free filter implementations. This edition provides a more complete foundation for addressing the different aspects of integrated navigation systems." ### 应用数学在综合导航系统中的应用 #### 基础数学与导航系统理论 在本书的第一部分，作者深入探讨了基础数学、动力学、描述导航系统/传感器及其误差模型的基本方程、辅助导航技术和卡尔曼滤波算法。这些章节为理解综合导航系统的各个方面提供了必要的数学工具。 **基础数学**：这部分内容主要介绍了数学分析的基础，包括微积分、线性代数和概率论等。这些数学工具是后续章节中理解和开发导航系统的基础。 **动力学**：本书还讨论了导航平台的动力学特性，包括位置、速度和姿态的数学描述，这对于理解如何精确测量和预测运动状态至关重要。 **导航系统和传感器**：这部分内容涉及各种导航传感器（如惯性测量单元IMU、全球定位系统GPS等）的工作原理及误差模型。通过对这些设备的深入理解，可以更好地整合来自不同来源的数据以提高整体导航性能。 **辅助导航技术**：除了内置的导航解决方案外，外部数据（例如地标、无线电信号等）对于校正和增强导航精度同样重要。本节介绍了一些常用的辅助导航方法和技术。 **卡尔曼滤波**：卡尔曼滤波是一种广泛应用于信号处理和控制工程中的统计预测方法。它是本书的核心内容之一，用于结合来自多个源的信息以获得更准确的位置估计。 #### 卡尔曼滤波算法的发展 第二部分着重于卡尔曼滤波算法的发展和应用。通过详细的推导和实例分析，读者可以深入了解卡尔曼滤波的基本原理及其在实际导航系统中的实现。 - **卡尔曼滤波基本原理**：介绍了卡尔曼滤波器的设计原理、工作流程以及如何利用它来优化导航系统的性能。 - **高级卡尔曼滤波技术**：探讨了非线性卡尔曼滤波方法，如扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和分裂差分卡尔曼滤波器（DDF），这些方法能够处理更为复杂的情况。 #### 第三版新增内容 第三版增加了更多背景材料、练习和软件资源，旨在提供更加全面的学习体验。 - **地球引力场建模**：开发了一般形式的地球引力势能，并简化为椭球模型，这有助于更好地理解地球对卫星轨道的影响。 - **卫星轨道方程**：详细推导了考虑非球形地球引力作用下的卫星位置和速度方程。 - **无梯度卡尔曼滤波器**：通过示例展示了无梯度卡尔曼滤波器（如无迹卡尔曼滤波器和分裂差分滤波器）的开发过程，这些滤波器适用于无法解析计算雅可比矩阵的情况。 - **补充练习和软件**：新增了多个练习题，帮助读者加深对卡尔曼滤波的理解，并提供了用于模拟随机过程和无梯度滤波器实现的软件工具。 #### 结论 《应用数学在综合导航系统中的应用》这本书为从事导航系统设计、集成和测试评估的专业人士提供了宝贵的参考资料。通过结合数学理论、动力学分析和先进的滤波技术，本书不仅为理解现代导航系统的工作原理提供了坚实的基础，还为解决实际工程问题提供了实用的方法和工具。无论是对于初学者还是有经验的研究人员来说，这本书都是一份不可或缺的指南。

上冯 UnrealEngine的3D导航插件 引擎版本：Master经过4.25测试。 至少应向后兼容4.20，请参阅先前快照的分支，但请注意，功能并未向后移植。 请查看以获取更多信息

px4_indoor_navigation 使用PX4自动驾驶仪和indoot定位系统（例如OptiTrack）进行室内导航的ROS节点集。

通过视觉惯性数据融合进行室内导航 这是以下论文的代码： Farnoosh，A.，Nabian，M.，Closas，P.，＆Ostadabbas，S.（2018年4月）。 通过视觉惯性数据融合进行第一人称室内导航。 在位置，位置和导航专题讨论会（PLANS）中，2018 IEEE / ION（pp.1213-1222）。 IEEE。 联系人 ， 内容 1.要求 这段代码是用MATLAB R2016b编写的 2.用于收集视频-IMU的iPhone应用程序 联系 ，请求访问我们的iPhone应用程序以收集频率可调的同步视频和IMU数据 2.样本视频 本文中用于实验的走廊的原始视频以及通过我们的iPhone App收集的IMU测量值都包含在./sample_video/目录中。 3.走廊视频的运行代码 运行demo_vpdetect_modular.m 此代码包含以下部分： 阅读整个视频

Satellite Navigation 阶段性作业 卫星坐标计算： 使用说明：python3 compute.py -e /path/to/ephemeris_file -o /path/to/output_file 可通过python3 compute.py -h获取参数说明 依赖numpy demo： python3 compute.py -e ./demo/ephemeris_data/brdc3100.20n -o ./demo/result/brdc3100.txt python3 compute.py -e ./demo/ephemeris_data/brdm3130.20p -o ./demo/result/brdm3130.txt ./demo/result/brdc3100.txt为brdc3100.20n转换的精密星历 ./demo/result/brdm3130.t

将已保存/已加星标的Google地图位置导出到KML / CSV / Sygic 该存储库包含三个脚本，可用于将加星标的位置从Google Maps导出为其他格式，然后可以由GPS导航应用程序或其他POI转换工具导入。 这三个凭证是： json2kml ：此脚本将Google Maps中加星标/保存位置（又名POI）列表转换为KML文件，该文件可以导入各种GPS导航应用程序（例如MAPS.ME）。 json2csv ：此脚本将Google Maps中加星标/保存的地点（又名POI）列表转换为CSV （逗号分隔值）文件，该文件可以导入某些POI转换工具或直接在Excel中进行编辑。 json2sygic ：此脚本将Google Maps中已加星标/已保存位置（又名POI）列表转换为Sygic Android使用的内部格式，以保存其收藏夹（ “ items.dat” ）文件。 如何将Google Maps已保存/加星标的位置导出到JSON文件 转到Google导出（ ）。 单击“全选”，然后选择“地图（您的位置）”。 确保这是唯一选择的选项。 Google将导出一个ZIP文件

轮播图，启动页，react navigation，登录页保存token，首页，分类列表,其他的需要自己添加

RNLearing 构建一个完整的React Native项目，并集成Android，IOS React Navigation 路由导航、以及多入口页面 状态管理和本地持久化存储 网络请求 React Native通讯 (初始化原生传值到RN、RN监听、JS通讯等) 其它第三方组件集成 兼容Android 27.0.2 编译版本，AndroidStudio 3.0.1 避免更多人采坑 开始 RN 环境配置 RN 项目运行 RN Vscode配置 Eslint 规则修改 其它参考 React Redux Redux

ME495机器人的传感，导航和机器学习 耶尔·本·沙洛姆（Yael Ben Shalom） 2021年冬季 包装清单 该存储库包含几个ROS软件包： 适应差动驱动机器人的软件包，可满足我们的需求。 2d-处理SE（2）中的转换的程序包。 使turtlesim乌龟遵循rectanglep路径的软件包。 一个软件包，用于存储与turtlebot硬件交互的代码。 一个模拟机器人运动学的软件包，以及一个用于检测地标和地标id的相对x，y位置的传感器。 软件包包含实现基于特征的卡尔曼滤波器SLAM。 该存储库使用外部软件包： nuturtlebot-附加软件包，可帮助我们使用turtlebot上的较低级硬件。 为了运行该项目，请下载turtle.repos文件。

惯性导航，用于对捷联式惯性导航系统进行性能分析。