捷联惯导算法与组合导航原理pdf

时间: 2023-07-12 09:02:06 浏览: 48
### 回答1: 《捷联惯导算法与组合导航原理》是一本介绍捷联惯导算法和组合导航原理的PDF电子书。捷联惯导是一种利用多种传感器的数据来确定位置和姿态的导航系统。它结合了惯性导航和星载导航,利用加速度计和陀螺仪等惯性传感器来测量运动状态,并通过星载导航系统来校正误差。捷联惯导算法依赖于一系列数学模型和滤波算法,以从传感器数据中提取有效的导航信息。 组合导航原理是指将多种导航系统和传感器融合在一起,通过组合不同的导航信息来提高导航精度和鲁棒性。在组合导航中,捷联惯导算法是一个重要的组成部分。它通过融合惯性测量单元(IMU)和GNSS(全球导航卫星系统)等系统的数据,为导航应用提供精确的位置和姿态信息。 《捷联惯导算法与组合导航原理》这本PDF电子书解释了捷联惯导算法和组合导航原理的基本概念、原理和数学模型。它介绍了捷联惯导算法的工作原理和实现方法,包括误差校正、滤波算法和状态估计等内容。同时,它还探讨了组合导航在不同领域中的应用,如航空、航海、车辆导航等。这本电子书通过详细的案例分析和仿真实验,帮助读者理解和应用捷联惯导算法和组合导航原理。 总的来说,这本PDF电子书提供了关于捷联惯导算法和组合导航原理的全面介绍,适合那些对导航技术和应用感兴趣的读者阅读和学习。 ### 回答2: 捷联惯导算法与组合导航原理pdf是一本关于捷联惯导算法和组合导航原理的文档。捷联惯导是一种将惯性导航和星载导航系统相结合的导航方式,以提高导航的准确性和可靠性。 捷联惯导算法主要包括三个步骤:传感器融合、导航滤波和姿态解算。传感器融合是指将来自加速度计和陀螺仪等惯性传感器的数据与星载导航系统的数据进行融合,以得到更准确的导航信息。导航滤波是对融合后的数据进行滤波处理,以剔除噪声和提高信号的稳定性。姿态解算是根据传感器获得的姿态信息来估计航天器的位置和速度。 组合导航原理是一种将多种导航系统相互结合的导航方法。通常情况下,组合导航使用多个导航系统的输出数据来估计航天器的位置和速度,以提高导航的精度和鲁棒性。常见的组合导航系统包括惯性导航系统、星载导航系统、地面导航系统和无线导航系统等。这些系统可以通过融合算法将各自的数据进行融合,以得到增强的导航信息。 捷联惯导算法与组合导航原理pdf为读者提供了详细的捷联惯导算法和组合导航原理的介绍和分析。通过阅读该文档,读者可以了解捷联惯导和组合导航的基本原理、算法流程和应用领域。这对于从事导航与控制领域的工程师和研究人员来说,具有重要的参考价值。

相关推荐

### 回答1: 卡尔曼滤波算法是一种最优估计算法,可以通过在噪声存在的情况下对系统状态进行估计,同时还能以递归方式实现,从而实现对实时数据的处理与控制。主要用于传感器的信号处理、飞行控制等领域。 组合导航是一种将多种不同类型的导航信息进行组合的导航系统。这些信息包括GPS(全球定位系统)、惯性导航、罗盘等。通过将多种信息进行融合,可以获得更准确、可靠的导航信息。卡尔曼滤波算法对组合导航具有重要作用,可以用来对各种传感器的测量数据进行组合,提升导航精度。 在组合导航应用领域中,卡尔曼滤波算法可用于对各种传感器的测量数据进行预处理和滤波。通过模型对数据进行预测和修正,可以得到更加准确的导航信息。同时,卡尔曼滤波算法还可以用于维持导航状态的连续性和稳定性,在传感器出现故障或数据丢失时,能够继续获得准确的导航信息。 总之,卡尔曼滤波算法和组合导航原理pdf是在导航领域非常重要的理论和技术。它们的相互结合,使得组合导航具有更加高效、准确和可靠的特性。在现代飞行控制、人工智能、自动驾驶等领域,这些技术都具有广泛应用。 ### 回答2: 卡尔曼滤波与组合导航原理是一种广泛应用于导航系统和控制系统的数学算法。其基本原理是通过传感器获取系统状态信息,然后利用卡尔曼滤波对这些信息进行处理,达到精准的估计和控制系统状态变化的目的。 卡尔曼滤波主要应用于测量值带有随机误差、不确定度和噪声的系统中。该算法将系统状态的估计值和传感器测量值进行组合,综合考虑两者的误差和不确定度,得到更加精确的系统状态估计值。因此,在组合导航中,卡尔曼滤波被广泛应用于导航信息的融合和优化,通过多传感器组合提高导航精度。 组合导航是一种利用多个传感器信息进行测量和估计航行缺陷的方法,包括陀螺仪、加速度计、GPS等传感器。卡尔曼滤波与组合导航原理可以有效地解决传感器误差和不确定性问题,提高导航系统的精度和可靠性。 总之,卡尔曼滤波与组合导航原理是一种重要的数学算法,对于提高系统状态估计和控制的精度、可靠性具有重要意义。
### 回答1: 卡尔曼滤波与组合导航原理是一个非常重要的全球定位系统技术,主要是利用数学模型和计算机技术来对机载传感器获取的数据进行计算和分析,达到准确定位和导航的效果。 卡尔曼滤波是一种基于状态空间模型的估计方法,可在噪声干扰的环境中对系统状态进行实时跟踪和预测。通过对机载传感器获取的信号进行预测和滤波,能够提高定位精度、抵抗信号干扰和减少误差。 而组合导航的原理是将多个定位系统的数据进行融合,来提高全球定位系统的精度和可靠性。通过将惯性导航、GPS定位和其他传感器的数据进行融合,可以克服GPS信号遮挡和多径干扰等问题,实现更加精确的位置和姿态测量。 想要了解卡尔曼滤波与组合导航原理,可以通过网络搜索或相关科技书籍进行学习和了解。同时也可以通过相关软件进行模拟和实验以更好地理解和掌握该技术。 ### 回答2: 卡尔曼滤波与组合导航原理pdf下载是一份非常有价值的资料,可以帮助人们深入了解卡尔曼滤波以及组合导航的原理和应用。卡尔曼滤波是一种用于估计某个对象状态的算法,它可以通过整合测量数据和先验知识,来估计对象的状态,并提供最优的状态估计结果。这种算法可以应用在各种领域,如自动驾驶、飞机导航等。组合导航是一种将多个导航系统进行整合,以获得更精确、更可靠的导航信息的技术。它可以将GPS、惯性导航等多种导航系统进行整合,并实现位置、速度、姿态等信息的估计。该资料的下载可以帮助人们更好地理解卡尔曼滤波和组合导航的原理,并且可以为相关领域的研究提供有益的参考资料。同时,这份资料也可以帮助人们了解现代导航技术的发展及其应用。总之,卡尔曼滤波与组合导航原理pdf下载是一份非常有用的资料,值得人们花时间去下载学习和阅读。 ### 回答3: 卡尔曼滤波是一种经典的状态估计方法,用于从噪声和不确定性的观测数据中提取系统的状态信息。它在导航、控制、信号处理等领域得到广泛应用。而组合导航则是利用各种传感器信息,如GPS、惯性测量单元(IMU)等,对目标运动的位置、速度、姿态等进行精确的估计和跟踪,以达到导航目的。卡尔曼滤波在组合导航中被广泛使用,通过对各种传感器测量数据进行融合,可以更准确地估计目标状态,提高导航系统的稳定性和可靠性。 关于卡尔曼滤波与组合导航原理的PDF下载,可以通过网络进行检索或在相关学术论文数据库中查找。这类资料不仅可以深入了解卡尔曼滤波和组合导航的基本原理和应用方法,还可以了解近年来在这个领域的最新研究进展,为相关专业人士提供参考借鉴。
捷联惯导是一种组合导航系统,它使用惯性测量单元(IMU)中的加速度计和陀螺仪测量数据,通过运动方程和滤波算法来估计飞行器的姿态、速度和位置。在matlab中,可以通过编写相应的子函数和主程序来实现捷联惯导算法。 捷联惯导的matlab编程可以包括以下几个主要步骤和内容: 1. 建立捷联惯导算法的概念,加深对基本原理的理解。可以使用matlab来实现惯导的基本原理和方法。 2. 编写捷联惯导的子函数,用于处理旋转矢量转换为四元数或旋转矩阵,采用二子样算法编程,以及调试程序。这些子函数可以根据具体的需求和算法原理进行编写。 3. 编写捷联惯导算法的主程序,其中包括对捷联式惯性导航系统的概述、输入姿态角向量、速度和位置的初始化,以及仿真静态IMU数据和地球导航参数的计算等步骤。 4. 进行捷联惯导算法的仿真和结果展示。可以进行整图对比和捷联惯导与组合导航误差的对比分析,以验证算法的准确性和性能。 通过以上步骤和内容的编程实现,可以在matlab中实现捷联惯导算法,并对其进行仿真和结果展示。这样可以加深对捷联惯导的理解,提高动手能力,并解决捷联惯导中的一些问题。123 #### 引用[.reference_title] - *1* *2* [基于matlab的捷联惯导算法编程(一)](https://blog.csdn.net/m0_51774116/article/details/117227295)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [基于matlab的捷联惯导算法编程(三)](https://blog.csdn.net/m0_51774116/article/details/117251168)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
卡尔曼滤波与组合导航原理是一篇介绍了基于卡尔曼滤波算法的组合导航系统原理的论文。组合导航是一种利用多种传感器信息对航行器位置和姿态进行精确估算的技术。卡尔曼滤波是一种基于统计学原理的滤波算法,可以对信号进行滤波和估算,其本质是一种时序贝叶斯推断方法。 在组合导航系统中,多种传感器信息可以包括GPS、IMU、罗盘等。该论文主要介绍了如何利用卡尔曼滤波算法对组合导航系统进行优化。通过建立状态方程和观测方程,可以将传感器数据进行融合,并估算出航行器的位置和姿态信息。其中状态方程描述了航行器的运动模型,观测方程描述了各个传感器之间的关系。 论文中详细介绍了卡尔曼滤波算法的基本原理、卡尔曼滤波器的设计以及在组合导航系统中的应用。通过对卡尔曼滤波器进行参数调整,可以获得更加精确和鲁棒的估算结果。论文还介绍了常见的组合导航系统误差来源和校正方法,如组合导航系统的偏差校正和辅助自适应滤波等。 总之,卡尔曼滤波与组合导航原理是一篇详细介绍组合导航系统原理和卡尔曼滤波算法的经典论文,为研究者提供了丰富的技术参考和应用方案。通过深入了解组合导航系统原理和卡尔曼滤波算法,可以为机器人导航、人机交互、智能运输等领域的研究提供理论基础和技术支持。
GPS(全球卫星定位系统)和惯性导航系统(惯导)是两种常用的导航技术。GPS利用卫星定位来确定位置,而惯导则利用测量物体的加速度和旋转来推断位置。GPS和惯导的组合导航算法结合了这两种技术的优点,提高了导航的精确性和稳定性。 组合导航算法的基本思想是将GPS和惯导的信息进行融合,利用相互之间的优势互补来估计和纠正位置和姿态。算法的流程大致如下: 1. 获取GPS和惯导的原始数据:首先,获取GPS接收器的信号,包括卫星的位置、时间和测距信息。同时,获取惯导传感器(如加速度计、陀螺仪)的加速度和旋转信息。 2. 数据预处理:对于GPS数据,可能存在误差和离群值。因此,需要进行数据预处理,比如滤波和插值,以节省存储和提高数据质量。 3. 姿态解算:通过惯导的旋转信息,可以计算出车辆的姿态(包括方向和倾斜角度),并通过加速度计的数据融合,进一步提高姿态的准确性。 4. 位置解算:利用GPS的位置信息和姿态解算结果,可以估计车辆的位置。可以使用卡尔曼滤波器等算法对位置估计进行进一步优化。 5. 定位纠正:由于GPS信号容易受到建筑物、树木等阻挡,导致信号中断或误差增大。此时,可以通过利用惯导的位置预测来纠正GPS的误差,以保持位置的连续性和准确性。 通过组合导航算法,可以充分利用GPS和惯导的优势,实现高精度、高稳定性的导航。组合导航在航空、航海、车辆导航等领域有着广泛的应用前景。
### 回答1: 捷联惯导姿态解算是指利用惯性测量单元(IMU)的数据,通过计算,得出装备的朝向姿态。姿态解算的结果是一个四元数。MATLAB是一种常用的科学计算软件,被广泛应用于数学建模、数据处理、信号处理、工程仿真等领域。 在MATLAB中进行捷联惯导姿态解算四元数需要先收集IMU从加速度计和陀螺仪获取的数据。然后将这些数据输入到MATLAB中的姿态解算算法里,从而得到四元数。 MATLAB有很多集成的工具箱,可以用于实现姿态解算算法,如机器人工具箱(Robotics Toolbox)、惯性测量单元工具箱(IMU Toolbox)等。在使用这些工具箱时,需要按照相应的接口规范来传递IMU数据,进行姿态解算。比如,在IMU Toolbox中,可以使用函数imufilter()来进行姿态解算,该函数需要传递IMU数据、采样率等参数,并返回四元数。 总之,MATLAB提供了多种工具和算法,可以方便地进行捷联惯导姿态解算四元数。通过合理的数据处理和输入参数,可以得到精确的姿态结果,为其他领域的应用提供支持。 ### 回答2: 捷联惯导姿态解算是航空、航天、船舶等应用领域中的重要技术,其中四元数是姿态解算中常用的表达方式之一。Matlab是一种常用的计算机编程语言,其强大的数学计算和图形化界面使其成为捷联惯导姿态解算四元数的理想工具。 在Matlab中,可以使用矩阵运算和插值法来实现捷联惯导姿态解算四元数。首先需要收集传感器输出的角速度和加速度数据,并进行预处理和滤波以减小误差。然后,使用基于四元数的姿态解算算法计算出当前时刻的四元数,以及四元数随时间变化的微积分方程。最后,使用插值法将四元数转化为欧拉角或其他形式的姿态表示,以提供更方便的应用接口。 值得注意的是,捷联惯导姿态解算四元数的精确度和稳定性受到多种因素的影响,如传感器精度、坐标系转换、噪声和温度等因素。因此,在实际应用过程中,需要对数据进行充分的分析和校准,以提高解算精度并降低误差。同时,使用Matlab进行仿真和验证是一种有效的方法,可以帮助设计和优化捷联惯导姿态解算四元数的算法和系统。 ### 回答3: 捷联惯导姿态解算四元数Matlab是一种计算方法,在机械、航空、导航等领域中常用的姿态解算方法之一。此方法将加速度计、陀螺仪等传感器的读数转换成四元数表示的姿态信息,从而得出物体在三维空间中的方向、位置等参数。通过MATLAB软件,可以非常方便地实现捷联惯导姿态解算四元数。 捷联惯导姿态解算四元数MATLAB程序主要包括数据输入、四元数初始化、姿态解算、最优化处理等步骤。数据输入部分将传感器读数导入程序,经过处理和滤波后得到用于姿态解算的信息。四元数初始化通过将初始状态的旋转矩阵与四元数之间的转换得到,以及确定四元数的初始值。姿态解算部分则是将传感器读数转换成四元数,再将四元数与前一时刻的状态初始值进行微调,最终得到当前时刻的姿态信息。最优化处理部分则是对姿态信息进行优化,提高其精度和准确性。 总之,捷联惯导姿态解算四元数MATLAB程序是一种非常有用和实用的姿态解算方法。在机械、航空、导航等领域中得到广泛应用,可大大提高相关工作的效率和精度。
Matlab是一种用于科学计算和数据可视化的高级编程语言和环境。在航空航天领域,Matlab经常用于开发和实现惯性导航系统中的数值更新程序。惯性导航系统通过使用加速度计和陀螺仪等传感器获取机体的加速度和角速度信息,并通过数值计算获得航向、位置和速度等导航参数。 Matlab提供了一系列的数值计算和矩阵操作函数,使得编写捷联惯导数值更新程序变得简单和高效。根据不同的数值更新算法,可以使用Matlab快速实现姿态矩阵的更新、位置和速度的积分等常见的惯导数值计算操作。 编写Matlab捷联惯导数值更新程序的步骤如下: 1. 定义机体坐标系、地球坐标系和导航坐标系,确定坐标系之间的转换关系。 2. 根据载体的加速度和角速度数据,计算姿态矩阵的更新。可以使用基于欧拉角的更新方法或基于四元数的更新方法。 3. 将机体坐标系中的加速度信息转换到导航坐标系,用于位置的更新。 4. 根据导航坐标系中的加速度和重力加速度,进行位置和速度的积分计算。可以使用数值积分方法,如欧拉积分或龙格-库塔方法。 5. 根据航迹航向和速度等参数的变化,进行导航参数的修正。 6. 对导航参数进行数据融合和滤波,提高导航精度。 以上是编写Matlab捷联惯导数值更新程序的一般步骤,具体实现还需要根据具体的惯导系统和算法进行调整和优化。Matlab提供了丰富的工具箱和函数,使得编写和调试数值更新程序变得更加方便。
### 回答1: 捷联惯导是一种通过惯性导航系统实现室内定位的技术。它可以利用STM32微控制器来实现室内定位代码的编写。 STM32是由ST公司推出的基于ARM Cortex-M内核的系列微控制器。它具有高性能、低功耗、丰富的接口资源和易于开发的特点,被广泛应用于各种嵌入式系统中。 在捷联惯导室内定位系统中,STM32可以负责接收和处理惯性传感器产生的数据。这些惯性传感器包括加速度计和陀螺仪,它们能够测量物体的加速度和角速度。通过对这些测量值的处理和积分,可以得到物体的位置和姿态信息。 在室内环境中,由于缺乏卫星信号,无法通过卫星导航系统(如GPS)来进行定位。然而,通过惯性导航系统,结合STM32微控制器的处理能力,可以实现对物体在室内的定位。 编写捷联惯导室内定位代码时,需要使用STM32的开发平台和相应的编程工具。首先,通过STM32的GPIO功能,可以连接和控制惯性传感器,获取其输出数据。然后,使用STM32的串口通信功能,可以将传感器数据传输到电脑或其他外部设备上进行进一步的处理和计算。 在代码中,需要对传感器数据进行滤波、积分等算法的实现,以得到物体的位置和姿态信息。同时,还需要考虑误差校正、坐标系转换等问题,确保定位结果的精准度和稳定性。 综上所述,通过使用STM32微控制器引入的捷联惯导室内定位代码,可以实现对物体在室内环境中的准确定位,为室内导航、智能家居、无人机、机器人等应用领域提供重要支持。 ### 回答2: 捷联惯导(INS)是一种利用惯性测量单元(Inertial Measurement Unit,简称IMU)实现室内定位和导航的技术。而STM32是一种基于ARM Cortex-M内核的32位微控制器,具有较高性能和低功耗的特点。如果要在STM32上实现捷联惯导室内定位,可以使用相应的编程代码。 首先,需要对STM32进行配置和连接IMU传感器。通过I2C或者SPI接口将IMU与STM32进行通信,获取传感器所测的加速度和角速度数据。然后,可以利用这些数据进行姿态解算和位置推算。 在姿态解算方面,可以使用常见的卡尔曼滤波器或者四元数方法对加速度和角速度数据进行融合,从而得到准确的姿态信息。姿态解算后,可以通过实时更新的姿态信息来计算位置变化。 在位置推算方面,可以利用姿态信息和初始位置信息进行积分计算。通过将加速度数据进行积分两次(分别在x、y、z轴方向上),可以得到位移信息。同时,也可以利用角速度与姿态信息相结合,进行旋转矢量积分,进一步提高位移计算的精度。 最后,通过以上的算法计算和融合,就可以在STM32上实现室内定位功能。通过与其他传感器(如地磁传感器、激光传感器等)进行数据融合,也可以提高室内定位的准确性和可靠性。 综上所述,要在STM32上实现捷联惯导室内定位,需要通过编程对IMU传感器进行配置和数据处理,利用姿态解算和位置推算算法,从而得到准确的位置信息。只要遵循相关的技术规范和编程实现,就可以实现捷联惯导室内定位代码的开发。

最新推荐

朴素贝叶斯分类算法原理与Python实现与使用方法案例

主要介绍了朴素贝叶斯分类算法原理与Python实现与使用方法,结合具体实例形式分析了朴素贝叶斯分类算法的概念、原理、实现流程与相关操作技巧,需要的朋友可以参考下

java数据结构与算法.pdf

包含了各种数据结构和算法(java)的实现方式和详解(图解),包括单双链表、环形链表(约瑟夫问题)、栈、后缀表达式、中缀表达式转后缀表达式、迷宫问题、八大排序算法、多种查找算法、哈希表、二叉树实现以及操作...

ZUC基本原理与算法.docx

ZUC简介、ZUC两个功能及实现方法、ZUC算法的3个组成部分、ZUC基本原理(算法整体结构、每个过程实现方法、整个算法的执行过程等)。

AES加密算法的原理详解与实现分析

主要介绍了高级加密标准(AES,Advanced Encryption Standard)为最常见的对称加密算法(微信小程序加密传输就是用这个加密算法的)。对称加密算法也就是加密和解密用相同的密钥,需要的朋友可以参考下

C#实现排列组合算法完整实例

主要介绍了C#实现排列组合算法的完整实例,文中实例主要展示了排列循环方法和排列堆栈方法,需要的朋友可以参考下

市建设规划局gis基础地理信息系统可行性研究报告.doc

市建设规划局gis基础地理信息系统可行性研究报告.doc

"REGISTOR:SSD内部非结构化数据处理平台"

REGISTOR:SSD存储裴舒怡,杨静,杨青,罗德岛大学,深圳市大普微电子有限公司。公司本文介绍了一个用于在存储器内部进行规则表达的平台REGISTOR。Registor的主要思想是在存储大型数据集的存储中加速正则表达式(regex)搜索,消除I/O瓶颈问题。在闪存SSD内部设计并增强了一个用于regex搜索的特殊硬件引擎,该引擎在从NAND闪存到主机的数据传输期间动态处理数据为了使regex搜索的速度与现代SSD的内部总线速度相匹配,在Registor硬件中设计了一种深度流水线结构,该结构由文件语义提取器、匹配候选查找器、regex匹配单元(REMU)和结果组织器组成。此外,流水线的每个阶段使得可能使用最大等位性。为了使Registor易于被高级应用程序使用,我们在Linux中开发了一组API和库,允许Registor通过有效地将单独的数据块重组为文件来处理SSD中的文件Registor的工作原

要将Preference控件设置为不可用并变灰java完整代码

以下是将Preference控件设置为不可用并变灰的Java完整代码示例: ```java Preference preference = findPreference("preference_key"); // 获取Preference对象 preference.setEnabled(false); // 设置为不可用 preference.setSelectable(false); // 设置为不可选 preference.setSummary("已禁用"); // 设置摘要信息,提示用户该选项已被禁用 preference.setIcon(R.drawable.disabled_ico

基于改进蚁群算法的离散制造车间物料配送路径优化.pptx

基于改进蚁群算法的离散制造车间物料配送路径优化.pptx

海量3D模型的自适应传输

为了获得的目的图卢兹大学博士学位发布人:图卢兹国立理工学院(图卢兹INP)学科或专业:计算机与电信提交人和支持人:M. 托马斯·福吉奥尼2019年11月29日星期五标题:海量3D模型的自适应传输博士学校:图卢兹数学、计算机科学、电信(MITT)研究单位:图卢兹计算机科学研究所(IRIT)论文主任:M. 文森特·查维拉特M.阿克塞尔·卡里尔报告员:M. GWendal Simon,大西洋IMTSIDONIE CHRISTOPHE女士,国家地理研究所评审团成员:M. MAARTEN WIJNANTS,哈塞尔大学,校长M. AXEL CARLIER,图卢兹INP,成员M. GILLES GESQUIERE,里昂第二大学,成员Géraldine Morin女士,图卢兹INP,成员M. VINCENT CHARVILLAT,图卢兹INP,成员M. Wei Tsang Ooi,新加坡国立大学,研究员基于HTTP的动态自适应3D流媒体2019年11月29日星期五,图卢兹INP授予图卢兹大学博士学位,由ThomasForgione发表并答辩Gilles Gesquière�