manankharwar/fusioncore

解决的问题

FusionCore 为现实世界的机器人提供鲁棒的传感器融合，解决了诸如 IMU 校准漂移、时间戳抖动、GPS 信号延迟和轮式打滑等常见的硬件问题。通过提供自适应、高频（100 Hz）的状态估计系统，它取代了耗时的手动参数调优以及像 robot_localization + navsat_transform 这样复杂的堆栈。

工作原理

它使用 23 状态的无迹卡尔曼滤波器 (UKF) 来融合来自 IMU、轮式编码器和 GPS 的数据。关键技术特性包括：

• 自适应噪声估计：根据创新序列（innovation sequence）持续更新噪声协方差，以应对变化的传感器质量。
• IMU 环形缓冲区：重放缓冲的更新，以便在延迟的 GPS 定位到达时准确重建滤波器状态。
• ECEF 融合：直接在地球中心地球固定 (ECEF) 坐标系中融合 GPS 数据，以避免 UTM 分区边界问题。
• 非完整约束 (NHC)：将横向和垂直速度归零，以防止轮式机器人的漂移。
• 硬件优化：使用 Eigen 自动检测 ARM (NEON) 和 x86 (AVX) 指令，确保在 Raspberry Pi 和 Jetson 设备上的低延迟。

适用对象

机器人工程师和开发人员，正在构建在室外或混合环境中运行，并且在不需要大量手动调优的情况下需要稳定、高频定位的自主移动机器人 (AMR)。

亮点

• 零手动调优：仅使用基础的 IMU 数据手册值即可实时适应传感器噪声。
• 对现实世界噪声的鲁棒性：自动处理校准不良、GPS 延迟和轮式打滑。
• 高性能：在 Raspberry Pi 4 上运行时间低于 1ms。
• 即插即用替代方案：设计为 ROS 2 中 robot_localization 堆栈的直接替代方案。
• 集成支持：兼容 RTK GPS，并与 Nav2 和 rtabmap_ros 等工具集成。