# RTK+IMU SLAM Framework

基于RTK-GPS和IMU融合的SLAM框架设计

## 项目概述

本项目实现了一个基于RTK-GPS和IMU融合的SLAM系统，采用紧耦合融合策略，适用于高精度定位和导航应用。

## 核心特性

- **多传感器融合**: RTK-GPS + IMU + 可选视觉传感器
- **紧耦合融合**: 统一的扩展卡尔曼滤波器框架
- **实时性能**: 优化的计算架构，支持实时应用
- **高精度定位**: 厘米级定位精度
- **鲁棒性**: 多传感器冗余，提高系统可靠性

## 系统架构

```
┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│   RTK-GPS  │    │     IMU     │    │   Visual    │
│  接收机    │    │   传感器    │    │   相机      │
└─────────────┘    └─────────────┘    └─────────────┘
       │                │                │
       └────────────────┼────────────────┘
                        │
              ┌─────────────────┐
              │  数据预处理模块  │
              └─────────────────┘
                        │
              ┌─────────────────┐
              │  紧耦合融合算法  │
              │  (EKF/UKF)     │
              └─────────────────┘
                        │
              ┌─────────────────┐
              │  状态估计输出   │
              │  (位置/姿态)    │
              └─────────────────┘
```

## 技术特点

### 1. 紧耦合融合策略
- 统一的状态向量设计
- 多传感器观测模型
- 自适应噪声估计

### 2. 误差建模
- GNSS误差模型（对流层、电离层、多径）
- IMU误差模型（零偏、尺度因子、轴间耦合）
- 系统误差传播

### 3. 实时优化
- 滑动窗口优化
- 稀疏矩阵求解
- 并行计算架构

## 应用场景

- 自动驾驶车辆
- 无人机导航
- 机器人定位
- 高精度测绘
- 室内外无缝导航

## 依赖要求

- C++11或更高版本
- Eigen3线性代数库
- OpenCV (可选，用于视觉处理)
- ROS (可选，用于机器人集成)

## 快速开始

```bash
# 克隆项目
git clone [repository-url]
cd rtk-imu-slam

# 编译
mkdir build && cd build
cmake ..
make -j4

# 运行示例
./bin/rtk_imu_slam_example
```

## 论文基础

本框架基于以下经典论文设计：
- "Tightly-coupled RTK/INS Integration" (2015-2016)
- "Multi-sensor Fusion for Autonomous Navigation"
- "Real-time GNSS/INS Integration"

## 许可证

MIT License