实践出真理，接毕设/课设项目开发指导

与双目相机和 RGB-D 相机相比，单目相机具有结构简单、成本低和处理速度快的优点。然而，单目 VSLAM 存在尺度不确定性、无法对齐位姿和重力方向的自身缺点和快速运动导致的运动模糊的环境下容易跟踪丢失等不足。为弥补此问题，可将单目相机和 IMU 相结合的传感器融合，这种融合方案被称为单目视觉惯性里程计（Visual Inertial Odometry，VIO）或单目视觉惯性 SLAM（Visual-inertial SLAM，VINS）。

卫星信号由导航电文、测距码、载波三个层次组成，GNSS 原始的信号频率高达 1.5 Ghz，且信号过于微弱，

GNSS在诸如城市、施工现场、农田、密林等城市峡谷等遮挡环境下：且由于在此类环境下，这些测量值的时间相关性更加明显，使用传统的滤波手段进行处理仅考虑前一状态的值忽略了其他历史状态值，使得定位结果更加不精确。为充分挖掘历史信息的作用，引入因子图优化（FGO）对GNSS测量值进行融合解算，该方法将伪距、载波相位、多普勒观测量添加为因子节点，引入多普勒因子连接历元间变量节点，实现解算模型的因子图优化。相较于滤波，因子图的优势体现在：因子图技术的潜力，也在一个近期的Google在美国导航协会的ION GNSS+ 2

此仓库是开源软件包的实现，GraphGNSSLib 利用因子图优化（FGO）来执行GNSS定位和实时动态（RTK）定位.在这个软件包中，历史和当前时期的测量结果被结构化为因子图，然后通过非线性优化进行求解。在容器中位于 ~/graph1/shared_dir ，你可以下载代码到 ~/shared_dir ，并且在容器中编译（推荐给那些有兴趣更改源代码的人）。如果你不熟悉ROS，我们强烈推荐推荐你用我们的Docker容器来使用GraphGNSSLib，具体见下文。已经安装在你的电脑上。

原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-Learning。

和 是 cpp 中用于函数包装和绑定的工具，在 GICI中用于绑定数据回调函数。 是一个可调用对象，可以存储任何可调用对象，例如函数指针、成员函数指针或 lambda 表达式。您可以使用 来创建一个函数对象，以便稍后调用。例如：在上面的例子中，我们使用 来存储 函数，并在 函数中调用它。 用于将函数和其参数绑定到特定的对象。它返回一个可调用对象，可以将其传递给 或直接调用。例如：在上面的例子中，我们使用 将 函数绑定到 对象上，并将参数 传递给它。然后，我们将绑定后的函数存储到 中

作者的介绍：为了阐明 GNSS 的算法模型，加快在多源融合应用中针对 GNSS 的开发效率，我们开源了 GICI-LIB，并辅以详尽的文档和全面的数据集。GICI-LIB 以可扩展的设计理念，实现了GIC传感器之间多种形式的松紧组合。评估结果表明，GIC 系统能够在多种复杂环境下，提供分米到米级的高精度导航。GICI-LIB 全称GNSS/INS/CameraIntegrated Navigation Library，是上海交大最新开源的一套基于图优化的 GNSS+INS+Camera 集成导航定位库。

准确的导航定位信息对机器人和车辆至关重要。近年来，全球导航卫星系统（GNSS）、惯性导航全球导航卫星系统（GNSS）、惯性导航系统（INS）和相机（Camera）量测数据的融合（Integrated），由于在不同环境下的鲁棒性和高精度，受到了广泛关注。但在这些系统中，很难充分发挥 GNSS 的作用，因为 GNSS 可选择的误差模型、卫星星座、信号频率和增强服务类型太多了；不同的 GNSS 解算方式会带来不同的精度、鲁棒性、依赖性。

注意：目前只支持静止测站的解算，还不能动态解算。那是2007年，在米兰理工大学–科莫校区，最初有一套用来教学生GPS数据处理和 Kalman 滤波的程序。当时Mirko Reguzzoni 和 Eugenio Realini 觉得，基于MATLAB语言的新的GPS处理软件可能有发展空间。在一些学生（创始者）的帮助下，他们开始写一套利用 Kalman 滤波的完整软件。goGPS 的第一个版本可以追溯到2009年，当时代码在 GPL 下发布并上传到 SourceForge 平台。之后该软件开始在大学里被使用，并

PPPLib 基于 RTKLib 以 C++ 为主要开发语言编写，支持后处理 PPP、PPK、INS/GNSS 松组合和紧组合 ，作者是我的老师陈超。

C˙bi=Cbi(ωibb×)\dot{\boldsymbol{C}}_{b}^{i}=\boldsymbol{C}_{b}^{i}\left({\boldsymbol{\omega}_{i b}^{b}}\times\right)C˙bi​=Cbi​(ωibb​×)描述的是姿态的变化和角速率 ωibb\boldsymbol{\omega}_{i b}^{b}ωibb​ 的关系，角速率正好可以由陀螺仪测量得到，三个轴装三个陀螺，就有了微分方程，再结合初值，可得到姿态变化阵。简记C˙bi=Cbi(ωib

原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-Learning。

原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-LearningPSINS 中的 Kalman 滤波代码都在百行以内，没调用什么函数，而且通用性很强，拿去让 AI 解释，效果挺好。

由于捷联惯导系统采用通过姿态矩阵计算建立的数学平台，在捷联惯导系统的姿态、速度和位置的更新算法中，姿态算法对整个系统的精度影响最大，它是算法研究和设计的核心。姿态求解目标：知道初始姿态参数，实时根据陀螺仪的测量，输出姿态参数：根据原点的位置和轴线得到指向，可以将惯导坐标系分为以下几类：也称 ECI，原点在地球质心，坐标轴不随地球自转（Z轴指向北极，X轴指向春分点）。惯性传感器输出以此为基准。尽管受到太阳引力场的作用，存在 6∗10−7g6*10^{-7}g6∗10−7g 的公转向心力；但在地球表面以地球做惯

PSINS（Precise Strapdown Inertial Navigation System 高精度捷联惯导系统算法）工具箱由西北工业大学自动化学院惯性技术教研室严恭敏老师开发和维护。工具箱分为Matlab和C++两部分。主要应用于捷联惯导系统的数据处理和算法验证开发，它包括惯性传感器数据分析惯组标定初始对准惯导AVP（姿态-速度-位置）更新解算、组合导航Kalman滤波等功能。C++部分采用VC6编写，可以用于嵌入式开发。如果你之前还没接触过PSINS工具箱，强烈建议先去看严老师的视频讲解。

原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-Learning。

原始 Markdown文档、Visio流程图、XMind思维导图见：https://github.com/LiZhengXiao99/Navigation-Learning。

对流层一般指距离地面 50km 内的大气层，是大气层质量的主要部分。当导航信号穿过对流层时，由于传播介质密度的增加，信号传播路径和传播速度会发生改变，由此引起的 GNSS 观测值误差称为对流层延迟。对流层延迟一般可分为干延迟和湿延迟，对于载波相位和伪距完全相同，一般在米级大小，可通过模型改正和参数估计的方法来削弱其影响。修正模型如下：T=MdryTdry+MwetTwetT=M_{d r y} T_{d r y}+M_{w e t} T_{w e t}T=Mdry​Tdry​+Mwet​Twet​式

以非差非组合双频 PPP 模型为例，假如某一时刻观测到 m\mathrm{m}m 颗卫星，则可建立 4 m4 \mathrm{~m}4 m 个观测方程，其误差方程为：V4m×1=H4m×n⋅X−ln×1\underset{4 m \times 1}{\mathbf{V}}=\underset{4 m \times n}{\mathbf{H}} \cdot \mathbf{X}-\underset{n \times 1}{\mathbf{l}}4m×1V​=4m×nH​⋅X−n×1l​式中，V\mat

默认使用广播星历计算卫星位置、钟差，使用克罗布歇模型通过广播星历中的参数计算电离层延迟，使用 Saastamoinen 模型计算对流层延迟。调用 计算卫星位置、卫星钟差：调用 计算接收机位置：加权最小二乘，其中会调用 valsol 进行卡方检验和GDOP检验。存入方位角和俯仰角 ，赋值解算状态结构体 ssat。2、estpos()这个函数是 GAMP 新加的，原本 的内容都移到 中了；这个函数看着着实费劲，有段看半天没看明白，后来把代码复制给 AI，才知道那啥计算阶乘、组合数。先初始化待估参

GAMP 全称 (GNSSAMPrecise positioning)，在 RTKLIB 的基础上，将一些多余的函数、代码简洁化，精简出后处理 PPP 部分，并对算法进行改进增强。简化后代码比 RTKLIB 原版还要简单，对初学者非常友好，在我接触过的导航定位开源程序中算是最简单的。使用也很方便，软件包里提供了 VS 工程，和组织好的配置文件、数据文件；设置好 pthreads 库，简单改改文件路径就能算出结果。大部分沿用 RTKLIB，做了少量拓展大部分沿用 RTKLIB，做了少量拓展。

【代码】RTKLIB源码阅读（十）精密单点定位 PPP。

存RTK选项，定位结果2、sol_t：结果结构体3、SOLQ_XXX：解的类型状态4、ambc_t：模糊度固定控制结构体5、ssat_t：卫星状态控制结构体6、prcopt_t：算法处理选项结构体7、obs_t：观测值信息结构体存一系列的字段是数组，字段表示存着的数目，字段表示目前内存空间最大能存的数目函数执行向中添加观测值数据的操作，先检验值，不够就函数中读取完数据后，会调用根据time, rcv, sat ，对的元素进行排序、去重，得到历元数，调用,进行星历数据的排

卫星GNSS电磁波信号在传播过程中需要穿过地球大气层，会产生一些大气延迟误差，包括电离层延迟误差和对流层延迟误差。电离层的范围从离地面约50公里开始一直伸展到约1000公里高度的地球高层大气空域。电离层的主要特性由电子密度、电子温度、碰撞频率、离子密度、离子温度和离子成分等空间分布的基本参数来表示。电离层的研究对象主要是电子密度随高度的分布。电子密度（或称电子浓度）是指单位体积的自由电子数，随高度的变化与各高度上大气成分、大气密度以及太阳辐射通量等因素有关。

文件头结束于。多组总电子含量，每组以，结束于。多组电子含量均方根误差，与总电子含量对应，开始于，结束于DCB数据块开始于，结束于，也称辅助数据块天线相位中心，即天线]接收信号的电气中心，其空间位置在出厂时往往不在天线的几何中心上。天线所辐射出的电磁波在离开天线一定的距离后，其等相位面会近似为一个球面，该球面的球心即为该天线的等效相位中心，即天线相位中心（Antenna Phase Center ）GNSS观测量是相对于接收机天线的平均相位中心。

GPS卫星信号由载波、伪码、导航电文（数据码）三个层次组成。数据码首先与伪码异或相加实现扩频，然后二者的组合码通过双向移位键控（BPSK）对载波进行调制。用户接收机首先对载波信号进行BPSK（调相调制）解调，使卫星信号的中心频率从L1下变频为0，之后再将载波解调后的卫星信号与接收机内部复制的C/A码Gi做自相关运算，剥离卫星信号中的C/A码，使信号频宽变回到只含数据码的基带，以得到 50bps 数据码，再按导航电文的格式最终将数据码编译成导航电文。每一个子帧的第一个字均为遥测字，在导航电文中每6s出现一次，

对所有由GPS地面监控部分和空间星座部分引起的测距误差大小的一个统计值，通过4比特表示用户测距精度因子N，0

卫星导航定位都是通过对卫星观测以获得卫星所需的观测量来实现的，卫星发射的信号由载波测距码导航电文三部分组成，接收机通过接收处理卫星信号生成定位所需的观测量。RINEX 是的缩写。采用文本文件ASCII码存储数据。数据记录格式与接收机的制造厂商和具体型号无关，这样可以方便数据的传递，使数据尽可能多被使用。观测数据文件O导航信息文件N气象数据文件Meteorological Data File），本文主要介绍OBS和NAV文件的读取。文件结构都以节、记录、字段和列为单位逐级组织。

后处理定位的主入口函数，根据 tu 拆分计算时间段，调用调用进行下一步解算。输入文件包括观测文件、导航文件、精密星历文件等，postpos在处理输入文件时有两种方法，一种是输入文件可以只包含替换，然后通过函数处理，将关键词用时间、基准站编号、流动站编号等代替，另一种是直接调用输入文件的文件名，postpos主要是来判断是哪一种输入方式，然后调用相应函数。3. 返回值处理一切正常会接收 execxes_b() 的返回值，失败返回 0，内存失败返回-1execses_b() 正常会接收 execses_

本篇介绍 RTKLIB 最最最基础的知识，时间系统、坐标系统、卫星系统、卫星、观测值定义。我用 RTKLIB 作为第三方库，这些东西频繁使用。GNSS 处理的数据都是矩阵数据，RTKLIB 的 rtkcmn.c 中写了一些矩阵运算的函数。RTKLIB 里的矩阵一般都是 double 类型的一数组，列优先顺序，一般 n 是行、m 是列mat() ：创建新矩阵，传入行数 n，列数 m，malloc 开辟 n*m 个double空间，返回此空间的首地址。imat()：与mat类似，区别在于 iamt 创建的

RTKLIB 是全球导航卫星系统 GNSS 开源定位解算程序包，由日本东京海洋大学的高须知二（Tomoji Takasu）开发，由一个核心程序库和多个命令行程序界面程序组成；代码规范、功能完善、可拓展性好，许多 GNSS 导航定位程序开源程序都是基于 RTKLIB 二次开发衍生而来，适合作为 GNSS 入门学习的代码。rtklaunch：界面程序启动器，界面如上，用来启动另外的界面程序rtkget。

文章目录一、rtkrcv 用法1、简介2、配置文件3、命令行参数4、终端命令三、rtksvr.c 的函数四、rtkrcv.c/vt.c/vt.h 的类型、函数1、虚拟终端1. 虚拟终端结构体 vt_t2. 操作虚拟终端的基础函数6. 虚拟终端输出函数5. 虚拟终端控制结构体 con_t6. 处理终端命令函数六、程序执行流程1、线程设计2、程序执行流程图3、主要函数一、rtkrcv 用法1、简介2、配置文件3、命令行参数`-s`：start RTK server on program start

从数据流中输入数据，并将其分割和输出到多个数据流中，输入流可以是串行、tcp 客户端、tcp 服务器、ntrip 客户端或文件。输出流可以是串行、tcp 客户端、tcp 服务器、ntrip 服务器或文件。str2str 是常驻应用程序。如果运行在前台，则在控制台中键入 ctr-c；如果运行在后台，则向后台进程发送 SIGINT 信号。如果输入流和输出流都遵循 #format 输入信息的格式将被转换为输出格式。要指定输出使用 -msg 选项。

main 函数主要就是处理传入的 main 函数参数。先找配置文件，找到之后，调用 resetsysopts 重置所有配置、调用 loadopts 读取配置文件内容到缓冲区，调用 getsysopts 将 缓冲区 中存的配置加载到配置结构体 porcopt_t/solopt_t/filopt_t 中。再是一个 for 循环，处理其它的参数，最后调用 postpos 进行下一步处理。//定位处理模式//结果输出形式//文件路径选项//ts开始时间、te结束时间pos[3];

我已经有一段时间没有更新我的RTKLIB配置文件指南了。自从上次更新以来，我增加了一些新的功能，并对一些现有的功能有了更多的了解。对于以前的更新，我只是更新了原帖，但这次我想我应该重新发布它，使它更容易被找到。RTKLIB 的一大优点是它的可配置性极强，有一系列的输入选项。但选项多了也会让人难以上手，确实简要地解释了每个选项的作用，但即使有这些信息，也很难知道如何最好地选择一些参数的值。在本篇博客，我不会对所有的输入选项进行全面的解释，但会解释我在实验中发现的那些有用的调整，以及原因。

然而，如果我们知道流动站在这段时间内没有移动，那么卡尔曼滤波就没有必要随着时间的推移而增加方差，因为流动站将正好在它之前一个历元的位置，方差可以更快地收敛为零。在运动学的情况下，线条是平滑的，而不是像我上面描述的那样呈 "Z "字形，这是因为我所绘制的数据来自于输出的位置文件，每个历元只包括一个方差值。因此，对于每个历元，位置状态的不确定性（协方差）将通过预测估计增加，然后通过测量更新减少一个更大的数量，呈 "Z "字形趋向于零差异越小，假设它们是准确的，整周模糊度就更好求解。我认为这是一个双赢的局面。

这些状态的更新方式与其他状态类似，但需要注意的是，与大多数状态不同，这些状态没有与之相关的直接测量。由于在典型的 RTKLIB 应用中，相对于接收机的最大加速度而言，历元之间的时间通常相当短，因此这些预测应该是相当准确的。我以前曾将我的伪距动态功能上传到我的 GitHub 仓库中的 demo3 代码中，但随着这一变化，我觉得该功能没有任何价值，所以已经将其删除，用这个功能取代。我还验证了这次修改后的求解结果与之前的结果相同，这也是意料之中的，因为除了计算方式，我们没有改变任何东西。，节省的计算量很大。

然而，最近我发现，如果我调整了滤波器的设置，它可以对零基线的情况有效，在这种情况下，基准站和流动站都连接到同一个天线上，这样几乎所有其他的误差都被完全抵消了。然而，由于忽略了 GLONASS 的模糊度，你放弃了大量的信息，因此，如果你使用 Demo5 代码，我不建议使用这种设置，当然，除非你的接收机不支持 Glonass 卫星。在这种情况下，初始值离正确的值太远，导致无法获得固定值。请注意，这给了我每个接收器对的相对偏差，而不是每个接收器的绝对值，这与 Wanniger 的表格不同，后者是针对绝对偏差的。

原文：https://rtklibexplorer.wordpress.com/2016/11/13/demo5-code-features/

我希望有人能证明我是错的，并提供一个配置文件，用 RTKLIB 生成一个 RTK 或 PPP 解决方案，充分利用双频测量的线性组合，但从我看到的一切来看，没有多少代码支持这种能力。宽巷组合只是在两个频率下进行的相位测量的差值，这种组合的优点是，这种测量的有效波长是两个测量之间的频率差的函数。不幸的是，这两台接收机都没有被设置为处理以前收集的测量数据的后处理，因此所有的内部 RTK解算都需要实时完成。在我的下一篇文章中，我将比较用这些不同的测量结果产生的解，包括来自 RTKLIB 和内部 RTK 引擎的解。