GraphGNSSLib实战：因子图优化RTK定位在复杂城市场景下的配置与性能分析

原创

于 2026-02-09 08:44:50 发布 · 762 阅读

标签

1. 为什么复杂城市需要因子图优化RTK定位

大家好，我是老张，在导航定位领域摸爬滚打了十多年。今天想和大家聊聊一个特别实用的技术——GraphGNSSLib，这是一个基于因子图优化（FGO）的RTK定位开源库。如果你在城市里用过RTK设备，肯定遇到过这样的困扰：在高楼林立的街道或者隧道里，定位精度突然下降，甚至直接飘出几十米。这种情况太常见了，传统的EKF（扩展卡尔曼滤波）方法对观测值中的粗差特别敏感，一个历元的错误就能带偏后续的所有结果。

我去年在上海陆家嘴做测试时就深有体会。那边高楼密集，GPS信号经常被遮挡和反射，传统的RTK解算结果就像跳跳糖一样到处乱蹦。后来尝试了GraphGNSSLib的因子图优化方法，效果明显改善。这不是什么魔法，而是FGO利用了多个历元的数据进行全局优化，相当于给了系统"记忆能力"，单个历元的粗差不会对整体结果造成毁灭性影响。

香港理工大学的Weisong Wen团队开源的这套GraphGNSSLib，可以说是我们这些做城市定位的工程师的福音。它基于ROS框架，用C++编写核心算法，非线性优化部分使用了ceres-solver库，还集成了rtklib的部分功能。最重要的是，它真正实现了因子图优化在实时RTK定位中的应用，这在几年前还被认为是后处理专属的技术。