企业官网建设流程全解析

INSLIB是一款开源的 C 语言惯性导航库,专门用于 IMU+GPS(GNSS)融合导航状态估计。它的核心是一个 15 状态误差状态卡尔曼滤波器(ESKF),能把加速计和陀螺仪数据与 GPS 定位融合成平滑的位置、速度、姿态输出。最让人惊喜的是:你要用到的 API 只有 3 个核心函数——初始化、更新、读取结果,零堆内存分配,可以直接移植到单片机。

下面用一篇文章带你从零跑通它 🚀

什么是 INSLIB?

INSLIB 是一个便携的 C11 库,没有外部依赖、不依赖操作系统、不申请堆内存,整个滤波器就是一个由调用者持有的结构体ins_t。典型应用场景:

• 无人机(UAV)与自动驾驶车辆
• 机器人平台
• 嵌入式系统实时航位推算
• 已录制飞行/驾驶数据的后处理分析

核心特性一览:

更多特性与基准测试结果见 readme.md。

第 1 步:获取代码,认识目录结构

用命令克隆仓库(注意--recursive,因为核心线性代数依赖子模块 KFCore):

git clone --recursive https://gitcode.com/gh_mirrors/in/INSLIB

克隆完成后,和本文相关的目录是这些:

📂 INSLIB/ ├── src/ # 核心库:ins.c(INS 滤波器)、nav_suite.c 等 │ └── ins.h # ★ API 参考手册,所有函数都在里面 ├── KFCore/ # 子模块:线性代数 + UDU 卡尔曼滤波 ├── datasets/ # 真实 + 仿真数据集,拿来就能回放 ├── tools/ # replay.py 回放工具、后处理 GUI、标定工具 └── tutorial/ # C 语言最小示例教程

完整目录说明见 readme.md 的 "Directory Structure" 一节。

第 2 步:只用 3 个核心函数,看懂整个滤波器

INSLIB 的 INS 滤波器(src/ins.c)对使用者的接口非常干净。整个使用过程就是一个循环:

1. ins_init(&ins, &init, &opt)—— 只调用一次,设置初始位置(经纬高)和滤波参数;
2. ins_update(&ins, &m)—— 每个 IMU 周期调用一次,把加速度计、陀螺仪、GNSS 等测量值打包喂进去;
3. ins_get_latlonh()/ins_get_rpy()—— 随时读取位置(经纬高)和姿态(横滚/俯仰/航向),并用ins_is_ready()确认滤波器已完成热启动。

测量数据放在一个结构体ins_measurements_t里,每个子测量都有is_valid标志位——这一周期有什么传感器数据就填什么,没有的保持无效即可,滤波器只消费你标记有效的部分。官方 C 语言教程 tutorial/c_tutorial.md 中有一个完整的单文件示例,精简后的主干逻辑是:

ins_t ins = {0}; /* 1. 零初始化 */ ins_init(&ins, &init, &opt); /* 2. 设置初始位置 + auto_init 选项 */ for (int k = 1; k <= 1000; ++k) { ins_measurements_t m = {0}; m.acc.is_valid = true; /* 填加速度计数据 (FRD 轴, m/s²) */ m.gyr.is_valid = true; /* 填陀螺仪数据 (rad/s) */ if (k % 100 == 0) m.gnss_pos.is_valid = true; /* 每秒一次 GPS 定位 */ ins_update(&ins, &m); /* 3. 喂给滤波器 */ } ins_get_latlonh(&ins, llh); /* 4. 读取经纬高 */ ins_get_rpy(&ins, &roll, &pitch, &yaw);

💡 两个小约定要记住:机体坐标系是FRD(x 前、y 右、z 下),导航坐标系是NED(北、东、下);时间戳是int64微秒,角度是弧度。

为什么要 15 个状态?

"误差状态"卡尔曼滤波连续估计的量包括:

你不需要碰这些内部细节——喂进测量值,读出发散前的位置/速度/姿态即可。

第 3 步:编译运行,第一条导航解

INSLIB 不要求任何构建系统,直接把源码文件编译进你的工程即可。按照 tutorial/c_tutorial.md 的示例:

cc -std=c11 -D_GNU_SOURCE \ -Isrc -IKFCore/c -IKFCore/c/navigation_tools \ hello_ins.c \ src/ins.c src/log.c src/geodetic_toolbox.c src/magnetic_model.c \ KFCore/c/linalg.c KFCore/c/kalman_udu.c KFCore/c/miniblas.c \ -lm -o hello_ins ./hello_ins

示例输出——位置与 GPS 定位吻合,姿态水平(滤波器在热启动时由加速度计自行调平):

position : lat 49.867378 deg lon 8.638174 deg h 190.0 m attitude : roll 0.00 pitch 0.00 yaw 0.00 deg

至此,IMU+GPS 融合导航就跑通了 🎉 如果你还想要纯 Python 版本,直接pip install inslib,教程在 tutorial/python_tutorial.md。

进阶一:GNSS 延迟补偿——容易忽视的关键细节

GPS 接收机由于内部滤波、UART 传输等原因,上报的位置往往滞后真实时刻 100~200 ms 以上。运动越剧烈,不补偿延迟,位置解就越"拖尾"。

INSLIB 内置了延迟估计工具:用气压计+IMU 的垂向速度与 GNSS 垂向速度做互相关,相关性出现尖锐峰值处的滞后就是真实延迟,如下图所示:

在仓库自带的真实行人数据上运行:

python3 tools/replay.py datasets/pedestrian/07_outdoor_only/ --estimate-gnss-delay

测出的延迟填入config.yaml的gnss: delay_ms,滤波器会把这个历元的修正"锚定"到状态历史缓冲区里正确的时刻(历史缓冲支持最长 500 ms 延迟,见 src/ins.h)。

进阶二:用后处理 GUI 查看融合结果

写代码只是第一步,INSLIB 自带一个后处理 GUI tools/inspostgui.py:打开数据集的config.yaml,一键回放,还能做前向/后向平滑(RTS 平滑)来提升解算质量。

界面上能同时看到参考轨迹与滤波轨迹的叠加、位置/姿态的 RMS 误差、在线估计的 IMU 偏置和高度曲线。回放命令也很简单:

python3 tools/inspostgui.py datasets/fog

轨迹还可以导出 KML 在地球仪上查看,融合导航轨迹直接压在卫星影像上,误差一目了然:

进阶三:IMU 标定(无需转台)

廉价 MEMS IMU 出厂就有偏置、比例因子和轴失准误差,不标定会直接污染滤波结果。INSLIB 自带离线标定工具 tools/inslib_imu_calib.py:把设备静置 20 秒,然后反复"拿起→换姿态→放平"约 20~30 次并记录 CSV,一条命令即可拟合出全部误差参数:

python3 tools/inslib_imu_calib.py --csv mysession/ -o config.yaml

避坑清单 ⚠️

官方 readme.md 总结了新手最常踩的坑,重点提醒:

• 时间戳必须单调且同步:所有传感器要对齐到同一个t_us时钟;
• GNSS 延迟必须实测,不要拍脑袋填delay_ms;
• 磁罗盘不标定是航向漂移的头号原因;
• 所有传感器轴要统一到 FRD 机体坐标系,坐标系不匹配会输出"玄学"结果;
• 振动要先低通滤波:高频振动混叠进加速度计会制造"幽灵加速度";
• GNSS 与 IMU 之间的天线杆臂gnss: leverarm_frd别忘了设置。

下一步学什么?

从零到融合导航解,INSLIB 的核心就是ins_init→ins_update→ins_get_*这三步。剩下的,交给这个 99.4% 覆盖率的滤波器吧 🛰️