01
传感器融合概述
自动驾驶分级标准 · 融合定义与意义 · 摄像头/激光雷达/毫米波雷达/超声波/IMU/GNSS
基础感知
02
坐标系基础
世界/车辆/传感器坐标系 · 欧拉角 · 四元数 · 旋转矩阵
数学几何
03
传感器标定基础
标定目的 · 内参/外参 · 棋盘格 · AprilTag 标定板
标定工具
04
摄像头标定
针孔模型 · 畸变模型 · 张正友法 · OpenCV 实践
视觉内参
05
激光雷达标定
工作原理 · 点云格式 · 内参标定 · 外参标定(车辆坐标系)
LiDAR点云
06
毫米波雷达标定
雷达特性 · 多普勒效应 · 雷达坐标系 · 标定流程
雷达多普勒
07
IMU/GNSS标定
零偏/尺度/交轴 · Allan方差 · 杆臂标定
IMUGNSS
08
多传感器联合标定
Camera-LiDAR · Camera-Radar · LiDAR-IMU 联合标定
联合外参
09
标定工具与软件
Autoware · Apollo · MATLAB · 开源标定库
工具生态
10
标定质量评估
重投影误差 · 点云匹配误差 · 验证方法 · 精度指标
评估指标
11
传感器时间同步
硬件同步(PPS/GPRMC) · 软件同步 · IEEE 1588
同步时钟
12
传感器数据预处理
点云滤波 · 图像去畸变 · 雷达聚类 · 归一化
预处理滤波
13
多传感器融合架构
前/后/特征层融合 · KF/EKF/UKF 框架
架构融合
14
卡尔曼滤波基础
状态空间 · 预测更新 · 卡尔曼增益 · 多维实现
滤波估计
15
扩展卡尔曼滤波
非线性线性化 · 雅可比 · GPS+IMU 融合
EKF非线性
16
无迹卡尔曼滤波
UT变换 · Sigma点 · UKF vs EKF · 实现
UKF无迹
17
粒子滤波
蒙特卡洛 · 重要性采样 · 重采样 · 定位应用
粒子定位
18
目标跟踪与数据关联
最近邻 · JPDA · 匈牙利算法 · 航迹管理
跟踪关联
19
融合中的不确定性
协方差估计 · 置信度 · 鲁棒策略 · 异常值处理
鲁棒不确定性
20
多传感器融合定位
GNSS+IMU · LiDAR+IMU · VIO 融合定位
定位组合
21
多传感器融合感知
目标检测融合 · 车道线 · 可行驶区域
感知融合
22
深度学习融合
端到端网络 · 注意力机制 · BEV感知
深度学习BEV
23
故障诊断与容错
健康监测 · 残差/卡方检验 · 降级策略
安全容错
24
标定自动化与在线标定
自动化流程 · 在线标定 · SLAM辅助标定
自动化在线
25
传感器融合系统仿真
CARLA/SUMO · 传感器模型 · 算法仿真验证
仿真验证
26
硬件平台
NVIDIA Orin · TI TDA4 · CAN/以太网 · 采集卡
硬件嵌入式
27
软件架构
ROS2 · DDS · 模块化 · 实时性保障
软件ROS2
28
测试与验证
MIL/SIL/HIL · 实车测试 · ATE/RPE
测试验证
29
安全与法规
ISO 26262 · SOTIF · 数据隐私与合规
安全法规
30
项目实战
ROS2 LiDAR-Camera融合 · 标定流程 · 部署调优
实战项目