01
传感器融合概述
什么是传感器融合？为什么飞控系统需要传感器融合？松耦合 vs 紧耦合架构
基础架构
02
惯性测量单元(IMU)原理
加速度计/陀螺仪工作原理，IMU误差模型，零偏/尺度因子/交轴耦合，选型要点
IMU误差模型
03
磁力计与气压计
地磁场模型与磁力计校准，气压计测高原理，温度补偿，硬铁/软铁校准
磁力计气压计
04
全球导航卫星系统(GNSS)
GPS/北斗/GLONASS原理，多径/电离层影响，RTK与差分GPS，GNSS-IMU互补
GNSSRTK
05
视觉传感器与激光雷达
视觉SLAM简介，光流传感器，激光雷达点云，视觉-惯性里程计(VIO)基础
视觉LiDAR
06
坐标系与姿态表示
地理/机体/导航坐标系，欧拉角，旋转矩阵，四元数，四元数与欧拉角转换
坐标系四元数
07
卡尔曼滤波基础
状态空间模型，预测与更新，卡尔曼增益，协方差矩阵，一维示例
卡尔曼基础
08
扩展卡尔曼滤波(EKF)
非线性系统线性化，雅可比矩阵，EKF在飞控中的应用，优缺点
EKF非线性
09
无迹卡尔曼滤波(UKF)
无迹变换，Sigma点选取，UKF与EKF对比，姿态估计应用
UKF无迹
10
互补滤波器
互补滤波原理，一阶/二阶互补滤波，与卡尔曼滤波对比
互补滤波器
11
Mahony滤波器
Mahony算法原理，PI控制器作用，实现与参数调优
Mahony姿态
12
Madgwick滤波器
Madgwick算法，梯度下降法，与Mahony对比，飞行测试
Madgwick梯度
13
多传感器时间同步
硬件同步 vs 软件同步，时间戳管理，插值与外推，延迟补偿
同步延迟
14
IMU预积分技术
IMU预积分原理，因子图优化中的作用，与EKF对比
预积分因子图
15
视觉-惯性融合(VINS)
VINS框架，初始化，后端优化，回环检测，Mono与Fusion
VINS视觉惯性
16
GNSS-IMU融合
松/紧/深耦合架构，RTK+IMU组合导航
GNSS+IMU耦合
17
多传感器融合框架
因子图优化，滑动窗口滤波，图优化vs卡尔曼，iSAM2简介
因子图iSAM2
18
传感器标定与校准
IMU内参标定，相机-IMU外参，多传感器联合标定，Kalibr工具
标定Kalibr
19
故障检测与隔离(FDI)
传感器故障类型，残差检测，卡方检验，一致性检验，故障重构
FDI故障
20
传感器融合中的异常处理
野值剔除，饱和检测，数据有效性检查，自适应滤波
异常鲁棒
21
自适应滤波算法
自适应卡尔曼，噪声协方差在线估计，MMAE，变分贝叶斯
自适应MMAE
22
传感器融合在PX4/ArduPilot中的实现
PX4 ECL EKF架构，ArduPilot EKF3，参数配置，日志分析
PX4ArduPilot
23
传感器融合在无人机编队中的应用
相对定位，协同感知，分布式融合，通信延迟处理
编队协同
24
传感器融合在自动驾驶中的应用
多传感器融合架构，感知/定位/预测融合
自动驾驶感知
25
传感器融合在机器人中的应用
轮式里程计融合，激光-惯性融合，视觉-激光-惯性融合
机器人多模态
26
传感器融合性能评估
RMSE，ATE，RPE，一致性评估
评估指标
27
传感器融合仿真
Gazebo+ROS，MATLAB/Simulink，EuRoC/KITTI，仿真与实测对比
仿真数据集
28
传感器融合中的深度学习
端到端融合，注意力机制，图神经网络，学习型卡尔曼滤波
深度学习GNN
29
传感器融合工程实践
嵌入式优化，定点数运算，内存管理，实时性，代码规范
工程嵌入式
30
传感器融合前沿趋势
事件相机融合，5G+融合，量子传感器，多模态大模型融合
前沿趋势