01
导航技术概述
导航的定义与分类 · 多源传感器融合的必要性 · 课程整体框架与学习路径
入门框架
02
坐标系与姿态表示
常用坐标系（地心地固系、导航系、载体系）· 欧拉角与旋转矩阵 · 四元数基础
数学基础
03
惯性导航原理（上）
加速度计与陀螺仪的工作原理 · 比力方程与角速度积分 · IMU的误差模型
IMU原理
04
惯性导航原理（下）
捷联惯导解算算法（姿态、速度、位置更新）· 圆锥误差与划船误差补偿
惯导算法
05
卫星导航基础
GPS/北斗信号结构 · 伪距与载波相位观测 · 单点定位与差分定位原理
GNSS定位
06
卡尔曼滤波入门
状态空间模型 · 线性卡尔曼滤波的五步黄金公式 · 协方差矩阵的意义
滤波估计
07
扩展卡尔曼滤波
非线性系统的线性化方法 · 雅可比矩阵计算 · EKF在导航中的应用
EKF非线性
08
松组合导航（上）
位置-速度组合模式 · IMU与GPS数据的时间同步 · 组合导航滤波器设计
松组合GPS/INS
09
松组合导航（下）
闭环反馈校正策略 · 实际代码实现与跑通示例 · 常见问题排查
实战调试
10
紧组合导航
伪距/伪距率组合模式 · 观测方程推导 · 与松组合的对比分析
紧组合观测
11
深组合导航
基带信号处理与IMU辅助跟踪 · 深组合的架构与优势 · 工程实现难点
深组合基带
12
磁力计与气压计融合
地磁模型与航向角计算 · 气压计测高原理 · 辅助垂直通道
磁力计气压计
13
视觉传感器基础
针孔相机模型 · 视觉里程计（VO）基本原理 · 特征点提取与匹配
视觉VO
14
视觉-惯性融合（VINS）
VINS-Mono框架解析 · IMU预积分技术 · 视觉与惯性的紧耦合
VINS紧耦合
15
激光雷达SLAM
激光雷达工作原理 · ICP与NDT点云配准 · LOAM框架简介
LiDARSLAM
16
激光-惯性融合（LIO）
LIO-SAM框架解析 · 因子图优化 · 激光与惯性的松/紧耦合
LIO因子图
17
多传感器时空标定
IMU与相机联合标定 · 激光雷达与IMU外参标定 · 时间延迟估计
标定外参
18
状态估计与图优化
贝叶斯估计与最大后验估计 · 因子图模型 · iSAM2增量式优化
图优化iSAM2
19
传感器故障检测与隔离
卡方检验法 · 残差检测 · 基于一致性的故障诊断
故障诊断
20
多源融合中的抗差估计
Huber核函数 · M估计 · 随机抽样一致性（RANSAC）
抗差鲁棒
21
组合导航中的零速修正
零速检测算法 · 零速约束更新 · 步行导航中的应用
ZUPT步行
22
车辆运动学模型
自行车模型 · 阿克曼转向模型 · 非完整性约束在导航中的应用
车辆运动学
23
高精度地图与定位
高精地图要素 · 车道级定位 · 地图匹配算法
HD Map匹配
24
GNSS/INS/视觉深度融合
多源传感器数据融合架构 · 基于因子图的统一框架
深度融合因子图
25
实时性与嵌入式部署
ARM/DSP平台优化 · 多线程与DMA设计 · 算力与精度权衡
嵌入式实时
26
开源项目实战（一）
基于RTKLIB与PX4的松组合导航实现 · 代码走读与调试
RTKLIBPX4
27
开源项目实战（二）
基于VINS-Fusion的视觉惯性导航 · 数据集测试与调参
VINS-Fusion调参
28
开源项目实战（三）
基于LIO-SAM的激光惯性导航 · 室内外场景测试
LIO-SAM测试
29
综合项目实战
设计一个车载多源融合定位系统 · 传感器选型与架构设计
综合车载
30
课程总结与前沿展望
未来趋势（5G定位、AI融合、量子导航）· 学习资源推荐
展望资源