来源信息
- 仓库
- Ntizar/MasterMind
- 最近来源活动
- 2026年9月15日 15:20
- 检测到的 SKILL.md 语言
- 西班牙语
- 星标
- 2
- 分支
- 0
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- name
- inertial-navigation-inslib
- description
- Navegación inercial en C: fusión IMU+GNSS con QA DO-178.
- version
- 1.0.0
- author
- Mastermind (David Antizar)
- license
- MIT
- metadata
- {"hermes":{"tags":["imu","gnss","kalman","navegacion","embedded","ferrocarril","qa","do-178"],"related_skills":["simsat","rail-lidar-qa-mvp","pk-rail-geocoding"]}}
# INSLIB — navegación inercial en C
Librería C11 **sin dependencias ni heap** para fusionar IMU + GNSS + barómetro + magnetómetro con filtros de Kalman de raíz cuadrada, más herramientas Python de post-proceso con GUI. Pensada para embedded/bare-metal.
## When to Use (cuándo usarlo)
- Trayectorias con **GNSS degradado o mudo** (túneles, ferrocarril, interior): navegación inercial con aiding.
- Post-proceso de un dataset IMU/GNSS a KML o PDF de gráficas.
- **Patrón de QA certificable** reutilizable (cobertura MC/DC, trazabilidad de requisitos) para MVPs ferroviarios.
## Núcleo técnico
- Filtros **UDU/Bierman-Thornton** (raíz cuadrada, numéricamente robustos), compensación y **estimación del retardo GNSS** (100-200 ms típicos de receptor).
- **World Magnetic Model embebido** para declinación; modo `AHRS_MODE_ARS` de 5 estados **sin magnetómetro**.
- Formato de datos simple: un CSV por sensor con `t_us` (microsegundos) como primera columna — IMU: `gyr_frd_x/y/z` (rad/s) y `acc_frd_x/y/z` (m/s²) — más un `config.yaml` por dataset (modo de aiding, ruido de sensores, lever arms, canales activos). Ejemplos: `config_basic.yaml`, `config_local_inertial.yaml`.
## Uso verificado
```bash
sh python/setup_venv.sh # crea venv y hace 'make pylib'
. env.sh # activa el entorno
python3 python/inspostgui.py datasets/fog # GUI de post-proceso
python3 python/replay.py datasets/fog --plot --plot-out /tmp/plots.pdf
python3 python/replay.py datasets/fog --kml salida.kml
python3 python/replay.py <dataset> --estimate-gnss-delay # mide el lag real por correlación cruzada
```
Tiempo real: `make insrcv` escucha paquetes UDP en el **puerto 29800** (protocolo en `tools/inslib_protocol.md`) y reemite a **PlotJuggler** (JSON UDP `:9870`) y opcionalmente MAVLink (`./build/insrcv --mavlink`, UDP `:14550`).
## Patrón de QA (lo más valioso para proyectos certificables)
- >90 % de cobertura incluyendo **MC/DC**, orientado a **DO-178 DAL-A / ISO 26262 ASIL-D**.
- Trazabilidad de requisitos machine-checkable con `make reqs`; análisis estático con UBSan/ASan.
## Pitfalls
- Los datasets de ejemplo son logs de vuelo (`datasets/fog`): sus escalas de ruido no valen tal cual para ferrocarril — recalibrar `config.yaml`.
- El magnetómetro es opcional pero su ausencia degrada el rumbo: usar `AHRS_MODE_ARS` a conciencia.
- Sin heap ⇒ buffers de tamaño fijo: revisar límites antes de subir frecuencias de muestreo.
## Referencia
- Repo: `jnz/INSLIB` (~482 ⭐, C, consultado 2026-09-15).
在 GitHub 查看