多传感融合

多传感器融合技术概论　基本概念：时空同步，硬/软同步；前融合和后融合的区别

高德车载多传感器融合定位方案：GPS+IMU+MM
融合算法有两个目的：第一，将不同技术的导航信息融合成唯一导航信息，使之可靠性高于未融合前的；第二，估计器件误差（陀螺仪零偏、测速仪尺度误差和导航误差等）。DR算法精度主要取决于IMU（陀螺仪和加速度计）和测速仪的误差，陀螺仪误差将引起位置误差随时间的二次方增长，测速仪误差将引起位置误差随时间线性增长。

IMU误差模型和校准
IMU的误差来主要来自于三部分，包括噪声（Bias and Noise）、尺度因子（Scale Errors）和轴偏差（Axis Misalignments）。

IMU校正以及姿态融合 github开源代码：IMUCalibration-Gesture

自动驾驶系统的传感器标定方法
标定可分成两部分：内参标定和外参标定。内参是决定传感器内部的映射关系，比如摄像头的焦距、偏心和像素横纵比（+畸变系数），而外参是决定传感器和外部某个坐标系的转换关系，比如姿态参数（旋转和平移6自由度）。本文重点讨论不同传感器之间的外参标定，特别是激光雷达和摄像头之间的标定。另外在自动驾驶研发中，GPS/IMU和摄像头或者激光雷达的标定，雷达和摄像头之间的标定也是常见的。不同传感器之间标定最大的问题是如何衡量最佳，因为获取的数据类型不一样，实现标定误差最小化的目标函数会因为不同传感器配对而不同。

三轴陀螺仪
MPU9250从校正到滤波融合
imu_tools的安装与使用　使用imu_tools对IMU进行滤波并可视化

ROS下IMU（LPMS-B2）使用教程
使用Allan标定法标定IMU随机误差；ENU、NED两种坐标系设置；IMU和Lidar联合标定
用imu_utils标定IMU　使用kalibr标定IMU　用imu_utils和imu_tk标定IMU的确定性误差和随机误差

ROS机器人底盘-IMU和里程计融合　(22)　(23)对比测试　PIBOT机器人，imu_tools，robot_pose_ekf
[pibot_driver] → /raw_imu（自定义Topic）→ [pibot_imu] → /imu/data_raw（ROS标准格式）→ [imu_tools/complementary_filter_gain_node，过滤噪音] → /imu/data