第1章
传感器融合概述
什么是传感器融合 · 为什么机器人需要融合 · 典型应用：自动驾驶、无人机、服务机器人
基础概念
第2章
传感器基础（上）
IMU原理 · 加速度计与陀螺仪 · 磁力计 · 数据特性与误差分析
IMU惯性
第3章
传感器基础（下）
视觉传感器 · 激光雷达 · 超声波 · GPS/RTK
视觉LiDARGPS
第4章
坐标系与变换
世界/机器人/传感器坐标系 · 欧拉角与四元数 · 坐标变换矩阵
数学坐标系
第5章
状态估计基础
概率论回顾 · 贝叶斯滤波 · 马尔可夫假设 · 递归状态估计
滤波概率
第6章
卡尔曼滤波 (KF)
线性系统模型 · 预测与更新 · 卡尔曼增益 · 算法推导与代码
KF经典
第7章
扩展卡尔曼滤波 (EKF)
非线性线性化 · 雅可比矩阵 · EKF流程 · IMU+GPS实例
EKF非线性
第8章
无迹卡尔曼滤波 (UKF)
无迹变换 · Sigma点 · UKF算法 · 与EKF对比
UKF无迹
第9章
粒子滤波 (PF)
蒙特卡洛 · 重要性采样 · 重采样 · 粒子退化 · 定位应用
PF粒子
第10章
信息滤波 (IF)
信息矩阵与向量 · IF算法 · 与KF对偶 · 适用场景
IF信息
第11章
多传感器融合架构
松/紧耦合 · 集中/分布式 · 联邦滤波 · 框架对比
架构系统
第12章
IMU+视觉融合 (VIO)
视觉惯性里程计 · 预积分 · VINS-Mono · 初始化与回环
VIO视觉
第13章
IMU+激光雷达融合 (LIO)
激光惯性里程计 · ICP/NDT · LIO-SAM框架
LIOLiDAR
第14章
IMU+GPS融合
松耦合EKF · 紧耦合RTK+IMU · 城市峡谷策略
GPS组合导航
第15章
视觉+激光雷达融合
多模态优势 · 目标检测融合 · 语义分割 · BEV感知
多模态BEV
第16章
传感器时间同步
硬件/软件同步 · 时间戳对齐 · 插值 · ROS同步机制
同步ROS
第17章
传感器标定（上）
IMU内参(Allan方差) · 相机内参(张正友) · 激光雷达内参
标定内参
第18章
传感器标定（下）
IMU-相机外参 · IMU-激光雷达外参 · 联合标定 · 在线标定
外参联合标定
第19章
机器人定位与建图 (SLAM) 基础
SLAM问题定义 · 前端特征 · 后端优化 · 回环检测
SLAM基础
第20章
基于滤波的SLAM
EKF-SLAM · FastSLAM · 数据关联 · 一致性维护
滤波SLAMFastSLAM
第21章
基于图优化的SLAM
图优化理论 · 非线性最小二乘 · g2o/GTSAM · 位姿图优化
图优化g2o
第22章
视觉SLAM (ORB-SLAM3)
ORB特征 · 单目/双目/RGBD · 地图点管理 · 多地图系统
ORB-SLAM3视觉SLAM
第23章
激光SLAM (Cartographer)
子图构建 · 扫描匹配 · 回环与全局优化 · 2D/3D
Cartographer激光SLAM
第24章
多传感器融合SLAM
LIO-SAM深度解析 · R3LIVE框架 · 挑战与趋势
融合SLAMLIO-SAM
第25章
自动驾驶中的融合
感知融合(目标跟踪) · 定位融合(HD Map+GPS+IMU) · 决策规划
自动驾驶感知
第26章
无人机中的融合
姿态估计 · 视觉/激光避障 · GPS拒止导航 · 编队飞行
无人机避障
第27章
服务机器人中的融合
室内定位(UWB+IMU) · 人机交互(视觉+语音) · 自主导航
服务机器人UWB
第28章
机器人手臂中的融合
力/力矩传感器 · 视觉引导抓取 · 阻抗控制融合
机械臂力控
第29章
融合工程实践（上）
ROS/C++/Python · 消息过滤与同步 · 多线程/GPU加速
工程ROS
第30章
融合工程实践（下）
评估指标(ATE/RPE) · 数据集(EuRoC/KITTI) · 调试与部署
评估数据集