组合导航滤波算法深度剖析

📚 共计 30 章节

绪论：组合导航与滤波发展

基本概念 · 滤波算法史 · 课程与学习路径

导航基础入门

基础数学工具

概率论与随机过程 · 矩阵论 · 最小二乘估计

数学预备知识

卡尔曼滤波基础

状态空间模型 · 五大公式 · 一维实例

扩展卡尔曼滤波

非线性系统线性化 · EKF流程 · 雅可比矩阵

无迹卡尔曼滤波

UT变换 · Sigma点 · UKF算法实现

蒙特卡洛 · 重要性采样 · 重采样 · PF流程

误差状态卡尔曼滤波

ESKF原理 · 名义/误差状态 · 更新流程

惯性导航系统

IMU模型 · 姿态表示 · 捷联惯导解算

GPS/INS松组合

松组合架构 · 位置速度观测 · 工程要点

GPS/INS紧组合

紧组合架构 · 伪距/伪距率 · 模糊度固定

多传感器融合

视觉/惯性/卫星 · 因子图 · 滑动窗口

融合因子图

滤波器的数值稳定性

数值发散 · 平方根滤波 · UD分解

数值稳定性

自适应滤波

Sage-Husa · 渐消记忆 · 多模型自适应

自适应Sage-Husa

H∞滤波 · 抗差估计 · M估计应用

非线性优化与滤波

图优化 · Bundle Adjustment · 与EKF对比

传感器标定

IMU内参 · 相机-IMU外参 · 时间同步

运动约束辅助

零速修正 · 非完整性约束 · 车辆模型

地磁场模型 · 磁力计校准 · 地磁匹配

气压计辅助导航

气压测高 · 气压计融合 · 高度通道稳定

气压计高度

轮式里程计辅助

轮速模型 · 航位推算 · 轮速IMU融合

轮式里程计

视觉惯性里程计

VIO架构 · 预积分 · VINS-Mono解析

激光雷达惯性里程计

LOAM框架 · 点云配准 · LIO-SAM解析

多源信息融合架构

集中/分布/混合式 · 联邦滤波

滤波器的工程实现

C++/Python要点 · 实时性 · 内存管理

滤波器的调试与评估

残差分析 · 一致性检验 · NEES/NIS

组合导航仿真

仿真数据生成 · 性能评估 · Monte Carlo

自动驾驶中的应用

高精定位 · 多传感器冗余 · 功能安全

自动驾驶安全

无人机中的应用

GPS拒止 · 视觉/激光SLAM · 应急切换

无人机拒止

机器人中的应用

室内定位 · 轮式/足式 · 协同定位

机器人协同

前沿趋势与展望

学习型滤波 · 端到端导航 · 量子导航