🧩 传感器融合算法
基于MCU
📘 30章 · 从入门到实战
01
传感器融合概述
什么是传感器融合
为什么需要融合
应用场景
课程目标
02
常用传感器原理
加速度计
陀螺仪
磁力计
气压计
误差来源
03
坐标系与姿态表示
坐标系
欧拉角
旋转矩阵
四元数
转换
04
MCU平台选型与开发环境
STM32/ESP32/Arduino
IDE搭建
I2C/SPI/UART
05
传感器数据采集与预处理
I2C/SPI读取
校准
低通滤波
归一化
06
卡尔曼滤波基础
状态空间
预测&更新
卡尔曼增益
一维实现
调参
07
扩展卡尔曼滤波 (EKF)
非线性系统
雅可比矩阵
姿态估计
代码框架
08
互补滤波器原理
频域互补
公式推导
一阶/二阶实现
参数调节
09
Mahony滤波器
原理
PI控制器作用
实现步骤
对比互补
10
Madgwick滤波器
原理
梯度下降法
实现
性能评估
11
姿态解算算法对比
优缺点对比
资源消耗
精度鲁棒性
选型建议
12
IMU数据融合实战(一)
6轴IMU读取
时间戳
互补滤波姿态
可视化
13
IMU数据融合实战(二)
Mahony实现
定点优化
实时性能
14
IMU数据融合实战(三)
Madgwick实现
参数自适应
多平台移植
15
磁力计融合
硬铁/软铁校正
航向角
干扰处理
16
气压计融合
测高原理
数据滤波
高度/垂直速度估计
17
GPS融合
NMEA解析
松耦合融合
位置/速度估计
信号丢失策略
18
多传感器融合框架设计
环形缓冲区
时间同步
调度优先级
19
传感器误差建模与标定
确定性/随机误差
Allan方差
六位置标定
温度补偿
20
Allan方差分析
定义与计算
噪声识别
传感器选型
21
滤波技术专题
巴特沃斯/切比雪夫
带通/陷波
自适应滤波
22
状态估计理论进阶
最小二乘
加权/递推最小二乘
与卡尔曼关系
23
粒子滤波基础
蒙特卡洛
重要性采样
重采样
定位应用
24
机器人中的融合
轮式里程计+IMU
视觉+IMU
激光雷达+IMU
25
无人机中的融合
飞控架构
姿态/高度控制
GPS失效保护
26
可穿戴设备中的融合
步态检测
计步算法
活动识别
跌倒检测
27
实时性与资源优化
MCU资源限制
定点化
查表法
DMA/中断
28
传感器融合调试与测试
数据记录/回放
上位机可视化
RMSE评估
问题排查
29
项目实战：四旋翼姿态估计
需求分析
硬件选型
软件架构
完整代码
30
课程总结与进阶方向
知识回顾
SLAM/VIO/深度学习
开源项目
社区资源
动手融合 · 感知无限