Kingshida

Multi_Sensor_Fusion

Multi-Sensor Fusion (GNSS, IMU, Camera) 多源多传感器融合定位 GPS/INS组合导航 PPP/INS紧组合

UrbanNavDataset

UrbanNav: an Open-Sourcing Localization Data Collected in Asian Urban Canyons, Including Tokyo and Hong Kong

aura

Navigation Algorithm Developement for the UAV lab

C-project-for-solving-tropospheric-delay-using-GGOS-tropospheric-products

项目作者：田睿 本科毕业于北京航空航天大学，现在读研，GNSS领域入门两年。 请注意！ 该项目原始路径为：E:\Thesis\RTKLIB_Workspace\WorkSpace\For_Thesis\For_Thesis 项目名称为For_Thesis(即上传的文件夹中包含的内容) 在笔者Win10系统、VS2017上成功运行，亲测可用！！！ 请务必仔细阅读此文件！！！ ==============程序主要功能============== 本程序的主要功能是基于GGOS对流层产品进行对流层延迟解算，还可用于rtklib开源项目的二次开发及改进。 总之，该程序的目的是方便其他使用rtklib开源项目的GNSS研究者，提高其科研效率。 ==============程序基本信息============== 本程序基于rtklib2.4.3 b33版本进行二次开发，采用C语言编写，并在Win10、Visual Studio 2017平台上完成开发及调试，项目路径为： ‪E:\Thesis\RTKLIB_Workspace\WorkSpace\For_Thesis\For_Thesis 相比于原项目，主要改动点为： 1.增加了Demo_Tropo.c文件（最主要的改进）。 2.增加了测试用的main.cpp文件，作为程序入口，应注意！主程序文件必须为cpp文件，不能使用c文件。 3.在rtklib.h 文件中增加了部分函数的声明。 4.在Windows系统下，采用VS2017编译rtklib项目会遇到各种问题。对此，对原项目进行了必要的改动， 如增加了unistd.h文件、去掉main函数的rnx2rtkp.c文件等，具体编译方法详见后文。 5.增加了数据文件orography_ell.txt等，应注意！数据文件必须放在项目目录内，因为主程序中使用的是相对路径。 ==============Windows下采用Visual Studio IDE的项目编译方法============== Windows下常用的C/C++ IDE即Visual Studio，功能丰富全面，适合GNSS研究者使用。 当然，对计算机比较精通的研究者可以采用linux系统，不使用IDE，采用cmake等工具进行编译。事实上，这样做更适合rtklib的二次开发。 然而，对于刚接触GNSS领域的硕/博研究生而言，学习linux系统及cmake等编译工具，无疑会大大拉长学习周期， 耽误宝贵的科研时间，降低科研效率。对此，笔者深有体会！因此，笔者坚持在windows系统下用Visual Studio IDE开发此项目， 遇到的编译问题很多，可参考如下博客解决： https://blog.csdn.net/wuwuku123/article/details/100030177 https://blog.csdn.net/sd28you28/article/details/82911273 https://blog.csdn.net/zhangtao_heu/article/details/79536427 https://blog.csdn.net/qq_35363018/article/details/101317869 https://blog.csdn.net/baixia3551/article/details/101085788?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase https://blog.csdn.net/WalterBrien/article/details/80754215 此外，笔者在编译过程中还遇到一些没有解决的问题，在此总结发布以飨读者： 要通过Project——Manage NuGet Packages添加pthread、dirent等 一定记得切换为64位 注意预编译器添加的是WIN32而非Win32！！！ 预编译器中记得添加 WIN32 _DEBUG _CONSOLE _CRT_SECURE_NO_WARNINGS _WINSOCK_DEPRECATED_NO_WARNINGS ENAGLO DLL 主程序必须是.cpp文件！！！ 记得添加unistd.h文件 经上述操作后仍出现： unresolved external symbol showmsg等错误 经测试，发现下述方法可行： 将RTKLIB-rtklib_2.4.3\app\rnx2rtkp文件夹下的rnx2rtkp.c文件放到项目的src文件夹下并加入到工程，并去掉其中的主程序（也可以把这个当做主程序）。 ==============数据源============== 所用数据均可在网站https://vmf.geo.tuwien.ac.at/上下载。 应注意！VMFG_FC产品必须注册账户后才能获取，注册方法即通过英文邮件向相关管理人员提出申请，管理人员会通过邮件提供给你一个账户。 ==============开发参考============== 参考了官方的matlab程序vmf1_grid.m及vmf1_ht.m 参考了如下文献： 《GGOS对流层延迟产品精度分析及在PPP中的应用》 《不同全球对流层天顶延迟产品在**区域的比较》 《Troposphere mapping functions for GPS and VLBI from ECMWF operational analysis data》 《Implementation and testing of the gridded Vienna Mapping Function 1 (VMF1)》 《Generation and Assessment of VMF1-Type Grids Using North-American Numerical Weather Models》 《Discussion and recommendations about the height correction for a priori zenith hydrostatic delays derived from ECMWF data》 还有一些官方网站上提供的资料（请参见官网） ==============关于程序结果的一点讨论============== 经测试，本项目运行结果与官方matlab程序有一定出入，差距在厘米级。 经检查，笔者自认为这并非是编程的问题，而是必然存在的数值计算误差，因为C程序与matlab程序的数值精度不同。 笔者测试的结果是本程序更接近IGS发布的天顶对流层延迟数据。 也可采用C与matlab联合编程应用GGOS产品，但运行较慢，且移植性不好。 如有发现程序中问题的，欢迎在GitHub库上及时发布新版本。 ==============重要声明============== 鉴于笔者入门不久，水平有限，有所疏漏在所难免。 该项目仅供研究者参考，并非TU Wien发布的官方代码，可能存在笔者尚未发现的未知错误。 如各位研究者发现问题，欢迎在GitHub上发布修正版本。非常欢迎各位研究者对本项目查漏补缺，系统测试！ 在该项目尚未成熟之前，建议各位研究者审慎地考虑在科研中到底是应用本项目，还是使用C与matlab联合编程，后者虽慢，但毕竟是官方反复验证过的matlab代码。 当然，该项目注释详尽，参考价值较高，可作为学习GGOS产品应用的重要参考！ 在此开源发布，权作抛砖引玉，期冀各位研究者对其进一步改进与完善！

eagleye

Precise localization based on GNSS and IMU.

EKFNav

GNSS/INS integrated navigation

floam

Fast LOAM: Fast and Optimized Lidar Odometry And Mapping for indoor/outdoor localization (Lidar SLAM)

GNSS-AR

a C++ implementation of projection satellites into geo-referenced images and evaluating NLOS (Non-Line of Sight))

goGPS_MATLAB

goGPS MATLAB is an advanced GNSS observation processing software.

GUL

GNSS Utility Library

IntegratedNavigation

integrated navigation using INS/GNSS

kalibr_allan

IMU Allan standard deviation charts for use with Kalibr and inertial kalman filters.

lidar_IMU_calib

Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation

lidar_rtk_calibration

使用手眼标定法计算Lidar和INS(RTK or IMU)的相对姿态

loveyou

LS_INS_GNSS_EKF

Loosely Coupled INS/GNSS Error State Extended Kalman Filter in Python/C++

MPC-for-Self-driving-Vehicles

This repo holds the Simulink/CarSim codes for examples of Self-driving Vehicles and Model Predictive Contorl (2ed edition).

msckf_vio

Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight

pony

Navigation software framework/core application structure in ANSI C

PPPLib

Precise Point Positioning Library

PRIDE-PPPAR

pride.whu.edu.cn

pyRTKLib

Processing / plotting of RINEX based GPS & Galileo data

rtklib_aceinna

A version of RTKLIB optimized for single and dual frequency low cost GPS receivers, especially u-blox receivers. It is based on RTKLIB 2.4.3 and is kept reasonably closely synced to that branch. Documentation for RTKLIB is available at rtklib.com. This software is provided “AS IS” without any warranties of any kind so please be careful, especially if using it in any kind of real-time application. Binaries and tutorials for this code, and sample GPS data sets at :

self_drive

self_drive_rtk

基于双频rtk的自动驾驶算法

Server

PanDownload的个人维护版本

SFND_Radar_Target_Detection

Project for Udacity's Sensor Fusion Engineer Nanodegree Program - Radar Target detection

State-Estimation-and-Localization-for-Self-Driving-Cars

state estimation and localization of a self driving car using Error State Extended Kalman Filter from IMU, GPS/GNSS and LIDAR data

Tightly-Coupled-EKF

Tightly coupled 17-state EKF

Wuhan-2019-nCoV

2019-nCoV 新冠状病毒 2019-12-01至今国家、省、市三级每日统计数据（支持接口读取）