一、导航技术概述：从定义到实战路径
大家好，我是你们这门课的主讲。在正式开始之前，我想先聊聊「导航」这件事。
很多人觉得导航就是「打开手机地图，找到目的地」。其实没那么简单。我做了十几年组合导航，见过太多人把导航等同于GPS定位。嗯，这里要纠正一下——导航的本质，是解决三个问题：我在哪？我要去哪？怎么去？
1.1 导航的定义：不只是「指路」
导航（Navigation），说白了就是确定载体位置、速度、姿态，并引导其到达目标的过程。你想想看，从古代的指南针、牵星板，到今天的卫星导航、惯性导航，核心逻辑没变过——只是工具越来越精密了。
我个人习惯把导航拆成两个层面：
- 定位：回答「我在哪」——位置、速度、姿态
- 引导：回答「怎么去」——路径规划、控制指令
这门课主要聚焦定位部分，因为它是导航的基石。引导部分属于控制领域，我们点到为止。
1.2 导航技术的分类：各有各的脾气
导航技术五花八门，我按原理把它们分成三大类。这张图可以帮你快速建立全局观：
这张图我画了很久，就是想让你一眼看明白：没有一种导航技术是完美的。自主式导航（比如惯性导航）不依赖外界，但误差会随时间累积；非自主式导航（比如GPS）精度稳定，但信号一丢就抓瞎。所以，才有了组合导航。
1.3 为什么必须做多源融合？
我直接说结论：单一传感器，永远有短板。
举个例子。我在做车载导航项目时，遇到过隧道场景。GPS信号一进隧道就没了，纯惯性导航的话，几十秒后位置就漂了几十米。怎么办？后来我们加了轮速计和方向盘转角，融合之后，隧道里也能保持米级精度。
多源传感器融合的必要性，可以总结为三点：
- 互补性：不同传感器有各自的优势和盲区。GPS低频准但易丢，IMU高频但会漂，视觉能识别环境但怕光照变化。融合起来，取长补短。
- 鲁棒性：任何一个传感器失效，系统还能靠其他传感器继续工作。我见过无人机飞控，GPS被干扰后，纯靠IMU+视觉安全返航的案例。
- 精度提升：多源数据融合后，往往能获得比任何单一传感器都高的精度。比如GNSS+IMU紧耦合，在城市峡谷中定位精度能提升一个数量级。
1.4 课程整体框架：从零到一的路线图
这门课共30章，我把它分成四个阶段。你跟着走，就能从「只会调库」变成「能自己搭融合系统」。
| 阶段 | 章节 | 核心内容 |
|---|---|---|
| 基础篇 | 第1-5章 | 导航基础、坐标系、IMU原理、GPS原理、卡尔曼滤波入门 |
| 核心篇 | 第6-15章 | 惯性导航解算、误差模型、松耦合/紧耦合、组合导航滤波 |
| 进阶篇 | 第16-25章 | 视觉惯性融合、激光惯性融合、多传感器时空同步、因子图优化 |
| 实战篇 | 第26-30章 | 工程落地、性能评估、常见坑点、完整项目实战 |
我个人建议的学习路径是：先啃基础篇，别跳。很多同学一上来就想搞紧耦合，结果坐标系都没搞明白，代码跑出来全是NaN。我当年也犯过这个错——嗯，后来老老实实回去补了半个月基础。
1.5 学习这门课你需要什么？
说白了，你只需要三样东西：
- 数学基础：线性代数（矩阵运算）、概率论（高斯分布）、微积分（导数）。不用很深，够用就行。
- 编程能力：Python或C++，能写简单的数据处理脚本。课程代码以Python为主，方便调试。
- 一点点耐心：组合导航是个「慢工出细活」的领域。我见过最快的学生，也是花了两个月才真正理解卡尔曼滤波的物理意义。
1.6 避坑指南：新手最容易犯的错
我直接给你列出来，省得你走弯路：
- 坐标系搞混：导航坐标系、载体坐标系、地球坐标系……我见过有人把东北天和北东地混用，结果定位结果差了十万八千里。
- 时间同步忽略：多传感器数据的时间戳不对齐，融合出来的结果就是「鸡同鸭讲」。我曾经在项目里因为这个bug排查了三天。
- 滤波器参数瞎调：Q矩阵和R矩阵不是随便设的。很多人一上来就调参，调了半天精度反而更差。记住：先理解物理模型，再调参数。
好了，第一章就到这里。记住我今天说的：导航的本质是融合，融合的本质是互补。接下来的29章，我会带你一步步把这条路走通。
公众号:蓝海资料掘金营，微信deep3321