sensor-fusion

用途：面向机器人多传感器融合与状态估计，使用卡尔曼滤波和因子图优化，把 IMU、GPS/RTK、轮式里程计、视觉里程计等数据融合为一致的状态估计。\n\n主要能力：实现扩展卡尔曼滤波（EKF）与无迹卡尔曼滤波（UKF）；配置 ROS2 的 robot_localization 包（单 EKF 与双 EKF 的 odom/map 两帧方案，含 NavSat 变换节点）；IMU 预积分与零偏估计；GPS/RTK 与局部坐标系的集成；轮式里程计融合及打滑补偿；视觉里程计集成；基于马氏距离与卡方阈值的异常值剔除；过程与测量噪声协方差调优；传感器延迟补偿。\n\n使用方式：需具备 ROS2 与 robot_localization 包、已标定的传感器、对坐标帧（REP-105）的理解及传感器噪声特性。资料给出 YAML 配置示例（如 ekf_localization.yaml、dual_ekf_navsat.yaml）以及自定义 EKF、IMU 预积分、噪声协方差自动调优的 Python 代码片段，可按示例定义状态向量、预测与更新步骤。\n\n适用场景：移动机器人定位、室外全局定位、惯性导航与里程计融合、多源传感器一致性估计等。\n\n限制：无明确前置条件时无法直接运行；需正确设置噪声协方差与坐标帧；GPS 精度以代码中假设的 1-5m 为例；调优依赖数据日志与优化过程。资料未提供官方完整文档、安装命令、收费或平台信息。