01
绪论：行业背景与核心挑战
多传感器融合定位的行业背景、技术演进路线与核心挑战。
概览趋势
02
坐标系与时空基准
全球坐标系、局部坐标系、时间同步机制与硬件触发方案。
坐标同步
03
传感器误差模型
IMU零偏与噪声、GNSS多路径效应、轮速里程计刻度因子、视觉特征退化。
误差建模
04
卡尔曼滤波基础
状态空间模型、预测与更新方程、协方差矩阵的物理意义。
KF基础
05
扩展卡尔曼滤波
非线性系统线性化、雅可比矩阵推导、EKF在组合导航中的应用。
EKF雅可比
06
无迹卡尔曼滤波
Sigma点采样策略、UT变换、UKF与EKF的精度对比。
UKFUT
07
误差状态卡尔曼滤波
ESKF的核心思想、名义状态与误差状态解耦、IMU预积分。
ESKF预积分
08
粒子滤波与RBPF
序贯重要性采样、重采样策略、粒子滤波在SLAM中的应用。
粒子RBPF
09
图优化基础
因子图模型、最小二乘问题构建、稀疏矩阵求解。
图优化因子图
10
iSAM与增量式优化
贝叶斯树、增量式更新、实时SLAM中的优化策略。
iSAM增量
11
IMU/GNSS松组合
架构设计、状态向量定义、观测方程、工程实现要点。
松组合GNSS
12
IMU/GNSS紧组合
原始观测值融合、双差模型、模糊度固定与周跳检测。
紧组合双差
13
IMU/轮速里程计融合
非完整性约束、零速检测、坡度估计与车辆模型。
轮速NHC
14
视觉惯性里程计
VIO前端特征跟踪、后端BA优化、IMU预积分与边缘化。
VIOBA
15
激光雷达惯性里程计
LOAM框架、特征提取、scan-to-map匹配与畸变去除。
LIOLOAM
16
多传感器时空标定
在线标定与离线标定、手眼标定、时间延迟估计。
标定手眼
17
异常检测与故障隔离
卡方检验、残差检测、传感器一致性校验。
故障卡方
18
自适应滤波与鲁棒估计
Huber核函数、协方差自适应调节、抗差M估计。
鲁棒Huber
19
多传感器融合中的退化场景
隧道、地下车库、高架桥、城市峡谷应对策略。
退化城市峡谷
20
地图辅助定位
先验地图构建、点云地图匹配、语义地图与特征关联。
地图先验
21
GNSS/INS/视觉深度融合
因子图框架下的多源观测融合、实时性与精度平衡。
深度融合因子图
22
车辆运动学与动力学模型
自行车模型、阿克曼模型、动力学约束在滤波中的应用。
运动学动力学
23
传感器数据预处理
IMU去噪与积分、GNSS粗差剔除、点云降采样与滤波。
预处理去噪
24
实时定位系统架构
多线程设计、消息队列、延迟补偿与时间对齐。
架构实时
25
定位精度评估方法
绝对轨迹误差、相对轨迹误差、NED坐标系下的误差分析。
评估ATE
26
开源框架解析
RTKLIB、GTSAM、VINS-Mono、LIO-SAM核心代码解读。
开源代码
27
硬件平台选型
IMU等级划分、GNSS接收机选型、激光雷达与相机选型建议。
硬件选型
28
工程化落地经验
嵌入式部署、资源优化、现场调试与长期稳定性。
工程落地
29
前沿趋势
L5级自动驾驶定位、5G+北斗增强、AI辅助融合定位。
前沿AI
30
综合实战项目
基于ESKF的IMU/GNSS/轮速融合定位系统搭建与调优。
实战ESKF