图形状态空间因子图导航

精度与速度双升

将恒定标定参数建模为奇异节点，用因子图优化处理循环结构，突破了传统滤波器无法应对的模型限制。

Zheng, Zhou · 赵顺毅 · Zhang, Chengxi · Wu, Jin · Huang, Biao

IEEE Transactions on Industrial Informatics 2024

技术优势

模型更贴合实际

将恒定标定参数建模为奇异节点，避免了在时间序列状态空间中反复估计常数，从而使状态描述更灵活准确。

能处理循环结构

采用因子图优化管理新颖的图模型，解决了传统滤波算法在循环模型结构下失效的问题。

精度速度双提升

与扩展卡尔曼滤波和传统状态空间因子图方法相比，估计精度和计算速度均有实质性增强。

应用场景

• 车辆导航：为车载导航提供更高精度且计算更快的融合定位方案，可直接替换现有滤波方法。
• 移动机器人定位：借助图优化灵活建模能力，提升移动机器人在多源传感器下的定位精度。
• 多传感器融合：将不同传感器间的恒定参数统一建模为奇异节点，简化融合框架并提升性能。
• 惯性导航系统：为INS/GPS组合导航提供更高精度和更快计算的算法替代。