基于因子图优化的实时紧密耦合GNSS与IMU融合
Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization
- University Politehnica of Bucharest（巴特亚大学）
- Three Tensors S.R.L.（Three Tensors公司）
- University of Bucharest（布加勒斯特大学）
- Navigation Systems Definition Section (TEC-SEN), ESA（欧洲航天局导航系统定义部门）
- Romanian InSpace Engineering S.R.L. (RISE)（罗马尼亚InSpace工程公司）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本文提出基于因子图优化的实时紧密耦合GNSS与IMU融合方法，通过增量优化与固定滞后边缘化实现因果状态估计，适用于密集城区GNSS退化环境。
AI中文摘要：
密集城区环境中可靠定位仍具挑战性，由于GNSS信号频繁阻塞、多径效应和快速变化的卫星几何构型。虽然基于因子图优化（FGO）的GNSS-IMU融合已展现出强大的鲁棒性和准确性，但大多数方法仍为离线处理。本文提出了一种实时紧密耦合GNSS-IMU FGO方法，通过增量优化与固定滞后边缘化实现因果状态估计，并利用UrbanNav数据集在高度城市化GNSS退化环境中评估其性能。
英文摘要：
Reliable positioning in dense urban environments remains challenging due to frequent GNSS signal blockage, multipath, and rapidly varying satellite geometry. While factor graph optimization (FGO)-based GNSS-IMU fusion has demonstrated strong robustness and accuracy, most formulations remain offline. In this work, we present a real-time tightly coupled GNSS-IMU FGO method that enables causal state estimation via incremental optimization with fixed-lag marginalization, and we evaluate its performance in a highly urbanized GNSS-degraded environment using the UrbanNav dataset.
