01
课程导论与SLAM基础
什么是激光雷达-惯导组合里程计？为什么需要融合？课程目标与学习路径。
导论SLAM
02
传感器原理（上）
激光雷达工作原理（TOF、三角测距）、点云数据格式、常见激光雷达介绍。
LiDARTOF
03
传感器原理（下）
IMU工作原理（加速度计、陀螺仪）、IMU测量模型与噪声特性、IMU坐标系。
IMU惯性
04
三维空间刚体运动（上）
旋转矩阵、旋转向量、欧拉角、四元数。
旋转四元数
05
三维空间刚体运动（下）
李群与李代数基础、SO(3)与SE(3)、指数映射与对数映射。
李群SO(3)
06
传感器标定（上）
激光雷达内参标定、IMU内参标定（Allan方差法）。
标定Allan
07
传感器标定（下）
激光雷达与IMU外参标定（手眼标定法、基于互信息的方法）。
外参手眼标定
08
点云预处理
体素滤波、直通滤波、统计滤波、半径滤波。
滤波点云
09
点云特征提取（上）
点云法线估计、点云曲率计算、ISS关键点提取。
特征法线
10
点云特征提取（下）
FPFH特征描述子、SHOT特征描述子、特征匹配。
FPFHSHOT
11
点云配准（上）
ICP算法原理与实现（点对点、点对面）。
ICP配准
12
点云配准（下）
NDT算法原理与实现、ICP与NDT对比分析。
NDT配准
13
IMU预积分（上）
IMU运动学模型、离散时间下的IMU积分。
预积分IMU
14
IMU预积分（下）
预积分量的计算、预积分量的协方差与雅可比。
协方差雅可比
15
状态估计基础
贝叶斯滤波、卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）。
滤波EKF
16
基于滤波的LIO
EKF-LIO框架设计、状态向量与观测模型、代码实现。
EKF-LIO滤波
17
图优化基础
图优化理论、最小二乘问题、高斯-牛顿法与LM法。
图优化LM
18
基于图优化的LIO（上）
因子图构建、残差项定义（激光残差、IMU残差）。
因子图残差
19
基于图优化的LIO（下）
滑动窗口优化、边缘化策略、代码实现。
滑动窗口边缘化
20
LIO-SAM算法详解（上）
系统框架、关键帧选取、因子图结构。
LIO-SAM关键帧
21
LIO-SAM算法详解（下）
回环检测、全局优化、代码解读。
回环全局优化
22
FAST-LIO2算法详解（上）
ikd-tree数据结构、直接法配准。
FAST-LIO2ikd-tree
23
FAST-LIO2算法详解（下）
紧耦合迭代卡尔曼滤波、代码解读。
迭代卡尔曼紧耦合
24
点云去畸变
运动畸变产生原因、线性插值去畸变、基于IMU的去畸变。
去畸变运动补偿
25
多传感器时空标定
时间戳同步、时间偏移估计、空间标定联合优化。
时空标定同步
26
LIO系统评估指标
ATE、RPE、轨迹对齐、精度与效率评估。
ATERPE
27
LIO在自动驾驶中的应用
高精地图构建、定位、感知融合。
自动驾驶高精地图
28
LIO在机器人中的应用
AGV导航、无人机自主飞行、手持SLAM设备。
机器人AGV
29
LIO系统部署与优化
嵌入式平台移植、实时性优化、内存管理。
部署实时性
30
课程总结与前沿展望
LIO未来趋势（学习型LIO、多模态融合）、推荐学习资源。
总结前沿