想搞懂高精度定位?武汉大学这个开源项目,把 GNSS/INS 组合导航落地了

❝

如果你对自动驾驶、机器人、无人机、测绘定位感兴趣，但一看到“惯导、卡尔曼滤波、误差状态”就头大，KF-GINS 可能是一个很适合入门的开源项目。

今天安利一个偏硬核、但非常值得收藏的项目：KF-GINS。

它来自武汉大学多源智能导航实验室 i2Nav，是一套基于 扩展卡尔曼滤波 EKF 的 GNSS/INS 组合导航开源软件。简单说，它做的事情就是：把卫星导航给出的位置结果，和 IMU 惯性传感器的连续运动信息结合起来，解算出更稳定的位置、速度和姿态。

为什么这个项目值得看？

很多人理解“定位”，第一反应就是 GPS。

但在真实工程里，只靠 GNSS 往往不够。车开进高楼密集区，卫星信号会被遮挡和反射；进入短时弱信号区域，定位结果会跳；而 IMU 虽然能连续感知运动，但时间一长又会漂。

所以，高精度定位系统经常会把 GNSS 和 INS 放在一起：GNSS 负责提供全局位置约束，INS 负责短时间内连续推算运动，滤波器负责把两边的信息融合起来。

KF-GINS 就是一个很适合学习这套经典思路的开源样板。

它不是玩具 Demo，而是一套教学级工程框架

KF-GINS 用 C++ 编写，CMake 管理工程，支持 Linux、macOS 和 Windows 编译。它实现的是经典的 GNSS/INS 松组合导航算法，内部采用误差状态扩展卡尔曼滤波架构。

项目里最值得看的几个点：

1. 21 维误差状态：包括位置误差、速度误差、姿态误差、IMU 零偏误差和比例因子误差。
2. 完整导航链路：包含 IMU 误差补偿、惯性导航机械编排、Kalman 滤波、误差反馈等环节。
3. 配套课程资源：它参考了《惯性导航原理与 GNSS/INS 组合导航》课程讲义，也有对应课程视频。
4. 自带测试数据：仓库提供 demo 数据集，也能配合官方开源数据集进行实验。
5. 适合读代码学算法：相比一上来就看图优化、多传感器紧组合，KF-GINS 更适合把组合导航的基本盘先跑通。

最适合怎么玩？

如果你是刚入门 GNSS/INS 组合导航，我建议不要一开始就纠结所有公式。

更舒服的玩法是：

先跑通项目自带 demo，看看输入文件、配置文件和输出结果长什么样；然后回到代码里看数据流：IMU 怎么读入，GNSS 位置结果怎么进入滤波器，误差状态如何预测和更新，最后误差又怎么反馈到导航状态。

等这条主线看明白，再去啃课程讲义和算法文档，效率会高很多。

如果你已经有自己的 IMU 和 GNSS 数据，也可以参考项目定义的数据格式，把自己的数据整理进去跑。它不只是“看一眼”的项目，更适合拿来做实验基线。

它适合哪些人？

导航定位方向学生：用它理解惯导、误差状态、松组合和 EKF 的完整链路。

机器人/自动驾驶开发者：把它当成 GNSS/INS 组合导航的基准实现，和自己的定位模块做对照。

测绘与移动测量从业者：用它理解 GNSS 和 IMU 为什么要组合、组合后到底在修正什么。

开源工具爱好者：即便你不写导航算法，也能通过这个项目窥见“高精度定位”背后的工程逻辑。

上手前的小提醒

KF-GINS 不是那种双击就能用的软件。你需要基本的 C++、CMake、坐标系、IMU 和 GNSS 数据格式知识。

它做的是 GNSS 位置结果 + IMU 数据 的松组合，并不是直接处理 GNSS 原始观测值的紧组合定位系统。如果你想研究 RTK 原始观测、多传感器图优化，可能还需要再看其他项目。

另外，项目采用 GPLv3 协议。学习、研究、复现实验很友好，但商业使用需要认真阅读许可证，并按 README 提示联系作者团队。

最后说一句

KF-GINS 的魅力不在于“炫技”，而在于它把一套经典 GNSS/INS 组合导航流程开源出来，而且配了讲义、视频、数据集和算法文档。

对想入门高精度定位的人来说，它像一张路线图：先把卡尔曼滤波和惯导组合导航这条主路走通，再去看更复杂的紧组合、视觉融合、图优化，理解会扎实很多。

如果你喜欢这种有趣、有用、能真正打开技术视野的开源工具分享，欢迎关注我。下一篇继续挖一个值得收藏的硬核项目。

项目链接

• GitHub 项目主页：https://github.com/i2Nav-WHU/KF-GINS