基于AlgoT1设备实践多源融合定位算法(GNSS+INS+VISION)

AlgoT1是融合了GNSS+IMU+VISION的数据平台，能够实时输出GNSS/INS/VISION的数据，也能将数据保存到SD卡上，还提供了一套示例算法代码，能方便的处理AlgoT1输出的数据。最近用该设备实测了一组数据，并用示例算法进行后处理，得到的效果还行，对做多源融合算法研究是个不错的选择。

0.设备图

这款设备是代数律动公司出的机器(http://www.algotechrobot.com/)，有单目版和双目版两个版本，我测试用的单目版，来张靓图：

1.跑AlgoT1数据（GNSS+INS+VISION）

     实测了一组车载数据，用配套的示例算法进行后处理，整体轨迹图，连续平滑：

视觉的跟踪：

2.GNSS+INS+VISION和GNSS+INS对比

配套示例算法包含GNSS+INS+VISION的处理，用来对比的GNSS+INS是某公司的后处理软件，从轨迹连续度上没有非常明显的差距，有特性的不一样，需要继续查找原因，在轨迹重合度上，在地库完全无GNSS信号时带视觉的要好，完全无信号情况下，如果不加高程约束，纯INS高程方向一般都会飘（如果没有NHC约束，平面方向也会飘），但是在视觉参与后，高程无约束下仍然稳定：

整体轨迹重合度，GNSS+INS+VISION和GNSS+INS整体重合度较好，说明示例算法整体正常：

示例算法在地库表现：

GNSS+INS在地库表现：

3.跑开源数据urban38

为了验证示例算法的正确性，来跑开源数据urban38，结果至少正常才能说明正确性。

首先用一套开源代码来处理该数据（开源代码的结果似乎有随机性，可能包含bug，结果时好时坏），跑的差的一次：

用AlgoT1配套的示例算法跑（跑了多次，每次结果都一样）：

从跑的结果来看，整体上示例算法的结果轨迹重合度更好，但是存在一些细节问题，例如观察到有两个地方有较明显的突起，这说明示例算法在宏观上是对的，细节处理不足。

两个结果叠加结果对比：

用开源代码跑urban-38，能遇到解算结果很好的时候，整体重合度和示例算法差不多，但有些细节部分其实更好：

4.结论

1. AlgoT1配套的示例算法，处理实测的数据，能够获取比较稳定的GNSS+INS+VISION结果；
2. 配套的示例算法从处理urban38的数据来看，局部存在毛刺，而处理AlgoT1的数据情况就要好一些，对不同的相机，算法部分存在很多点不能通用的地方，或者需要加强的地方，需要针对性改进；
3. 基本能说明AlgoT1的数据和示例算法的正确性，接下来可以基于这一套来继续改进，验证更牛掰的想法，期待能得到更好的结果。