导航系统是各类运动载体平台不可或缺的关键感知信息源，可实时提供载体准确的位置、速度、姿态等信息，是保障载体安全运行和自主运行的重要组成单元。近年来，随着光电信息、人工智能及高端制造技术的快速发展，以无人车、无人机、机器人、机器狗为代表的自主智能体发展迅猛。面向不同的任务需求和成本需求，自主智能体通常会搭载多类导航传感器，并利用多源信息组合导航技术将导航传感器信息进行融合处理，取长补短，以提高组合导航系统在复杂环境下的精度、可靠性、连续性和可用性。
在组合导航技术的发展中，基于卡尔曼滤波（Kalman filter，KF）的多源信息融合技术是一种被广泛采用的方法。近年来，一种新的因子图优化（factor graph optimization，FGO）融合方法引起了人们的广泛关注。与卡尔曼滤波多源信息组合方法不同，因子图优化保留了历史时刻信息，并通过迭代计算的方式将多个时刻的状态进行联合估计，从而可以提升估计精度。因子图优化可有效减少非线性观测信息对状态估计的影响，同时具备对多源异步观测信息的即插即用能力。目前，该方法迅速发展成为无人系统基于视觉／激光雷达即时定位与构图（simultaneouslocalization and mapping，SLAM）领域中应用较多的方法。同时，因子图优化方法也被逐渐拓展应用于不同形式的组合导航系统中，并被证明可以实现比滤波更优的估计结果。
全书共12章，分为理论篇和应用篇，其中理论篇对组合导航系统理论基础及因子图组合导航理论方法进行介绍，应用篇则针对因子图在不同应用环境下的组合导航架构设计、应用方法及其验证进行介绍，从而为复杂环境下的高精度自适应导航提供参考。
本书是南京航空航天大学导航研究中心团队师生集体智慧的结晶，也结合了团队近年来在多源信息融合、惯性导航、视觉／激光雷达SLAM等领域开展科研工作的全面凝练和梳理。其中，赖际舟教授总体负责全书内容撰写，从整体上构建了全书的思路、框架和主体内容，并负责第1～3、12章的撰写工作；吕品副教授负责第4、10、11章的撰写工作；白师宇博士负责第5～7章的撰写工作；袁诚博士生负责第8章的撰写工作；曾庆化教授负责第9章的撰写工作等。在此，还要感谢作者指导的多位博士和硕士研究生为本书付出的辛勤劳动。其中，朱徐东博士、王炳清博士、方玮博士以及杨子寒硕士分别参与了第4、9～11章的撰写工作。
目前因子图组合导航理论与方法正经历着快速的发展，尽管作者努力使本书能够满足广大读者的要求，但由于自身的知识水平有限，本书仅代表团队当前的一些粗浅理解和认识，疏漏和不当之处还望各位读者批评指正。
在组合导航技术的发展中，基于卡尔曼滤波（Kalman filter，KF）的多源信息融合技术是一种被广泛采用的方法。近年来，一种新的因子图优化（factor graph optimization，FGO）融合方法引起了人们的广泛关注。与卡尔曼滤波多源信息组合方法不同，因子图优化保留了历史时刻信息，并通过迭代计算的方式将多个时刻的状态进行联合估计，从而可以提升估计精度。因子图优化可有效减少非线性观测信息对状态估计的影响，同时具备对多源异步观测信息的即插即用能力。目前，该方法迅速发展成为无人系统基于视觉／激光雷达即时定位与构图（simultaneouslocalization and mapping，SLAM）领域中应用较多的方法。同时，因子图优化方法也被逐渐拓展应用于不同形式的组合导航系统中，并被证明可以实现比滤波更优的估计结果。
全书共12章，分为理论篇和应用篇，其中理论篇对组合导航系统理论基础及因子图组合导航理论方法进行介绍，应用篇则针对因子图在不同应用环境下的组合导航架构设计、应用方法及其验证进行介绍，从而为复杂环境下的高精度自适应导航提供参考。
本书是南京航空航天大学导航研究中心团队师生集体智慧的结晶，也结合了团队近年来在多源信息融合、惯性导航、视觉／激光雷达SLAM等领域开展科研工作的全面凝练和梳理。其中，赖际舟教授总体负责全书内容撰写，从整体上构建了全书的思路、框架和主体内容，并负责第1～3、12章的撰写工作；吕品副教授负责第4、10、11章的撰写工作；白师宇博士负责第5～7章的撰写工作；袁诚博士生负责第8章的撰写工作；曾庆化教授负责第9章的撰写工作等。在此，还要感谢作者指导的多位博士和硕士研究生为本书付出的辛勤劳动。其中，朱徐东博士、王炳清博士、方玮博士以及杨子寒硕士分别参与了第4、9～11章的撰写工作。
目前因子图组合导航理论与方法正经历着快速的发展，尽管作者努力使本书能够满足广大读者的要求，但由于自身的知识水平有限，本书仅代表团队当前的一些粗浅理解和认识，疏漏和不当之处还望各位读者批评指正。