01
课程导论与失效场景分析
视觉SLAM失效典型场景：弱纹理、动态物体、光照突变、快速运动；惯导辅助视觉基本原理；课程目标与学习路径。
导论失效分析
02
IMU测量模型与误差分析
加速度计与陀螺仪测量模型，零偏、尺度因子、交轴耦合等误差，Allan方差分析实战。
IMU误差建模
03
IMU预积分理论（上）
预积分的动机与数学推导，离散时间预积分公式，预积分量更新与协方差传递。
预积分理论
04
IMU预积分理论（下）
预积分残差构建，与视觉重投影误差联合优化，预积分在因子图中的应用。
残差因子图
05
视觉-惯性初始化
视觉SfM与IMU对齐，陀螺仪零偏估计，重力方向与尺度恢复，加速度计零偏可观性分析。
初始化对齐
06
多传感器时空标定
相机与IMU外参标定(旋转+平移)，时间戳同步与延时估计，Kalibr、MSCKF标定工具使用。
标定外参
07
视觉前端特征处理
特征点提取(ORB、SuperPoint)，光流跟踪，特征点质量评估与异常剔除，特征管理策略。
特征光流
08
视觉前端失效检测
基于特征数量的失效判断，运动一致性异常检测，光度一致性失效预警。
失效检测预警
09
纯惯性导航模式
失效触发后的模式切换逻辑，纯惯性递推算法，姿态、速度、位置更新方程。
纯惯性递推
10
纯惯性导航误差累积分析
误差传播方程，零偏对位置漂移的影响，长时间纯惯性导航的局限性。
误差累积漂移
11
零速修正（ZUPT）技术
零速检测算法(加速度方差、角速度能量)，零速观测更新，步行/车载场景应用。
ZUPT零速
12
ZARU与非完整性约束(NHC)
ZARU原理与实现，NHC车辆运动约束模型，融合ZUPT/ZARU/NHC滤波器设计。
ZARUNHC
13
视觉重定位触发机制
基于位置不确定度触发，基于地图匹配触发，基于用户指令触发。
重定位触发
14
视觉重定位方法（上）
基于词袋模型回环检测(DBoW2/DBoW3)，图像检索与特征匹配，几何验证(PnP+RANSAC)。
回环检测PnP
15
视觉重定位方法（下）
基于局部地图跟踪恢复，全局定位(DenseVLAD、NetVLAD)，多假设重定位策略。
全局定位多假设
16
失效恢复中的状态估计器设计
扩展卡尔曼滤波(EKF)框架，无迹卡尔曼滤波(UKF)框架，因子图优化(iSAM2)框架。
EKFiSAM2
17
多传感器融合的失效恢复策略
松耦合 vs 紧耦合，视觉-惯性-轮速计融合，视觉-惯性-GNSS融合。
融合紧耦合
18
基于滑动窗口的失效恢复
滑动窗口大小对恢复精度的影响，边缘化策略，关键帧管理。
滑动窗口边缘化
19
深度学习光流与深度估计辅助恢复
深度学习光流(RAFT、FlowNet)在失效时应用，单目深度估计(MiDaS)辅助重定位。
深度学习光流
20
失效恢复中的异常处理与安全机制
传感器数据异常检测，滤波器发散检测与重置，安全降级策略。
异常处理安全
21
实战：ROS惯导辅助视觉SLAM搭建（上）
ROS基础与消息类型，IMU与相机数据采集与同步，系统节点架构设计。
ROS实战
22
实战：ROS惯导辅助视觉SLAM搭建（下）
核心算法模块集成，参数服务器配置，launch文件编写。
集成launch
23
实战：失效检测与模式切换代码实现
失效检测模块代码，模式切换状态机实现，日志与可视化。
状态机检测
24
实战：纯惯性导航与ZUPT代码实现
IMU递推代码，ZUPT检测与更新代码，误差补偿代码。
ZUPT编码
25
实战：视觉重定位模块集成
回环检测模块集成，PnP求解器调用，重定位结果验证与发布。
重定位PnP
26
实战：失效恢复完整流程调试
数据集回放测试，失效注入与恢复验证，性能指标评估(ATE、RPE)。
调试评估
27
实战：多传感器融合失效恢复系统
轮速计/里程计接入，GNSS接入，融合滤波器实现。
多传感器融合
28
实战：系统性能优化与部署
实时性优化(多线程、SIMD)，嵌入式平台部署(Jetson、STM32)，功耗与资源管理。
优化部署
29
进阶：基于因子图的失效恢复系统
因子图构建，iSAM2增量优化，与经典滤波方法的对比。
因子图iSAM2
30
课程总结与前沿展望
核心知识点回顾，前沿方向(事件相机、毫米波雷达、端到端学习)，推荐资源与论文。
总结前沿