当前位置：首页 > news >正文

GNSS-INS-SIM：开源GNSS惯性导航仿真工具快速入门指南

news 2026/5/31 16:53:28

GNSS-INS-SIM：开源GNSS惯性导航仿真工具快速入门指南

【免费下载链接】gnss-ins-simOpen-source GNSS + inertial navigation, sensor fusion simulator. Motion trajectory generator, sensor models, and navigation项目地址: https://gitcode.com/gh_mirrors/gn/gnss-ins-sim

GNSS-INS-SIM是一款功能强大的开源GNSS+惯性导航传感器融合模拟器，能够帮助开发者轻松生成高精度运动轨迹、构建传感器模型并进行导航算法验证。这款工具特别适合自动驾驶、无人机导航、机器人定位等领域的开发者和研究人员使用，通过模拟真实世界的传感器数据来测试和验证导航算法的性能。

🚀 为什么选择GNSS-INS-SIM？

在开发导航系统时，获取真实世界的数据既昂贵又耗时。GNSS-INS-SIM解决了这一痛点，让你能够在虚拟环境中：

生成逼真的传感器数据：模拟IMU、GPS、磁力计等多种传感器输出
创建复杂的运动轨迹：支持多种运动模式，从静态测试到复杂三维运动
验证导航算法：在仿真环境中测试你的算法性能
节省开发成本：无需购买昂贵的硬件设备即可进行算法开发

📁 项目结构与核心模块

了解项目结构是高效使用工具的第一步：

gnss_ins_sim/ ├── sim/ # 仿真核心模块 ├── pathgen/ # 轨迹生成器 ├── allan/ # Allan方差分析工具 ├── geoparams/ # 地理参数配置 ├── docs/ # 文档和图片 └── demo_algorithms/ # 示例算法

🎯 核心功能详解

1. 传感器模型配置

传感器模型是仿真的基础。GNSS-INS-SIM支持灵活的IMU误差模型配置：

# 内置模型选择 imu = imu_model.IMU(accuracy='mid-accuracy', axis=9, gps=True) # 或自定义模型参数 imu_err = { 'gyro_b': np.array([0.0, 0.0, 0.0]), # 陀螺仪零偏 'gyro_arw': np.array([0.25, 0.25, 0.25]), # 陀螺仪角度随机游走 'accel_vrw': np.array([0.03119, 0.03009, 0.04779]), # 加速度计速度随机游走 }

2. 运动轨迹定义

运动轨迹通过CSV文件定义，存放在demo_motion_def_files/目录中。系统提供了丰富的预设轨迹：

motion_def-static.csv：静态测试
motion_def-90deg_turn.csv：90度转弯
motion_def-long_drive.csv：长距离驾驶
motion_def-3d.csv：三维运动

上图展示了完整的仿真流程，从传感器参数配置到最终结果输出，每个环节都清晰可见。

3. 算法集成与测试

GNSS-INS-SIM支持自定义算法集成。只需创建符合接口规范的Python类：

class MyNavigationAlgorithm: def __init__(self): self.input = ['gyro', 'accel', 'gps'] self.output = ['pos', 'vel', 'att_euler'] def run(self, set_of_input): # 处理传感器数据 gyro_data = set_of_input[0] accel_data = set_of_input[1] gps_data = set_of_input[2] # 实现你的导航算法 # ... return self.get_results()

🛠️ 快速上手：5分钟创建第一个仿真

步骤1：安装依赖

pip install numpy matplotlib git clone https://gitcode.com/gh_mirrors/gn/gnss-ins-sim cd gnss-ins-sim

步骤2：运行示例

从最简单的静态测试开始：

from gnss_ins_sim.sim import ins_sim, imu_model # 创建IMU模型 imu = imu_model.IMU(accuracy='low-accuracy', axis=6, gps=True) # 配置仿真器 sim = ins_sim.Sim( [200.0, 1.0, 10.0], # IMU, GPS, 磁力计采样率 'demo_motion_def_files/motion_def-static.csv', ref_frame=0, imu=imu ) # 运行仿真 sim.run() sim.plot(['pos', 'vel', 'att'])

步骤3：查看结果

运行后，你将看到类似下图的运动轨迹：

图中展示了车辆在卫星地图上的运动轨迹，红色线条表示实际路径，航点标记了关键位置。

🔧 高级功能与技巧

Allan方差分析

Allan方差是评估IMU性能的重要工具。GNSS-INS-SIM内置了完整的分析功能：

from gnss_ins_sim.allan import allan allan_obj = allan.Allan() allan_obj.run('data/imu_data.csv') allan_obj.plot()

上图展示了不同噪声类型（量化噪声、白噪声、随机游走等）的特性曲线，帮助你准确评估传感器性能。

磁传感器校准

在复杂电磁环境中，磁传感器会受到硬铁和软铁干扰：

上图展示了三种情况下的磁传感器数据分布：

理想传感器：均匀分布在球面上
硬铁干扰：数据分布偏心
软铁+硬铁干扰：非对称分布

多算法对比

GNSS-INS-SIM支持同时运行多个算法进行性能对比：

# 创建多个算法实例 algo1 = free_integration.FreeIntegration() algo2 = ins_loose.INSLoose() # 在同一个仿真中运行 sim = ins_sim.Sim( [200.0, 1.0, 10.0], 'demo_motion_def_files/motion_def.csv', ref_frame=0, imu=imu, algorithm=[algo1, algo2] # 传入算法列表 )