我正在为我正在做的一个小虚拟现实 POC 寻找户外定位。 我想用 GPS 和 IMU 传感器控制游戏角色的移动（不是用 IMU 完成的旋转）。
我需要融合 GPS 和 ACC 传感器，以尽可能减少延迟和错误。有没有这样的融合，还是我必须从头开始发明它？
代码将用于本开源项目https://github.com/AndersMalmgren/FreePIE
编辑： 本文建议卡尔曼http://www.codeproject.com/Articles/326657/KalmanDemo 但是这里的人建议加速度计的误差太大，它不会工作。
【问题讨论】：
标签： android gps kalman-filter
您当然不必从头开始“发明”它 - GPS/INS 融合是文献中充分涵盖的主题。只有两本知名书籍：
正如其他人指出的那样（例如Kalman Filter for Android），Java/Android 中也有卡尔曼滤波器的实现。
在您的特定情况下，卡尔曼滤波的问题是需要满足实现卡尔曼滤波器的几个要求*。从理论上讲，您需要确保噪声（未建模的测量误差）为white 并且始终不相关。问题是您没有从内部接收器（大致可以认为是白色的）获得原始 GPS 测量值，而是已经过滤的解决方案（它肯定表现出时间相关性）。
另一个问题是，在卡尔曼滤波器中，您需要进行一些调整，即您需要设置测量噪声等参数。这些参数取决于所用传感器的质量——因此它们在不同设备之间有所不同。这可能会降低您在某些设备上的估算质量。
话虽如此，可能有几种解决方案：
使用速度推断位置更新之间的位置。 （我没有在 Android 上这样做，但this question 可能有助于获得速度。）如果用户的速度变化不是太频繁（与位置更新频率相比），这在大多数情况下应该工作得很好。
实施完整的卡尔曼滤波器：如上面引用的书籍所述，将绝对位置测量与加速度计相结合非常普遍，即使使用廉价的 MEMS 级惯性传感器也是如此。为了减少 Acc 传感器引起的误差，请在卡尔曼滤波器状态向量中估计这些误差。通常，卡尔曼滤波器在一个滤波器中估计位置、速度、姿态和 Acc/Gyro 偏差。如果你想假设它们已经足够了解，你可以放弃姿态和陀螺仪。即使您的传感器可能会出现更多错误，但估计偏差通常足以在位置更新之间进行估计。
实施完整的卡尔曼滤波器还可能意味着您要考虑测量的时间相关性，例如使用称为 Schmidt-Kalman-Filter 的技术（参见上面引用的书籍）。这也可能意味着您使用自适应卡尔曼滤波来估计滤波器的一些参数，以考虑不同设备中的不同传感器。但是请注意，这样的事情需要一点导航领域的经验：实现通常很容易 - 只需几行矩阵运算，但调整可能很耗时。但这并不意味着您不应该尝试！
*从理论的角度来看 - 你总是可以忽略理论而只是尝试。有时它仍然可以工作:-)
【讨论】：
我知道这有点晚了，但我有一个开源项目，其中包含用于 Java 的卡尔曼滤波和 Rauch-Tung-Striebel 平滑（向后卡尔曼）。 如果您的过程模型和/或测量模型是非线性的，则还支持扩展和无味过滤和平滑。
https://github.com/karnstrand/Kalman4J
Lycka 直到 Anders！ :-)
【讨论】：
README.md 中的一些使用示例会有所帮助。