01
捷联惯导概述
什么是捷联惯导、惯导系统分类、捷联惯导与平台惯导的区别、应用领域
基础概念
02
坐标系基础
地球坐标系、导航坐标系、载体坐标系、坐标系转换、欧拉角与四元数
坐标数学
03
姿态解算基础
陀螺仪原理、角速度积分、姿态更新算法、四元数更新方程
姿态陀螺
04
速度解算基础
加速度计原理、比力方程、速度更新算法、重力补偿
速度加计
05
位置解算基础
位置更新方程、经纬高表示法、地球曲率补偿、位置积分方法
位置经纬高
06
IMU数据预处理
IMU数据读取、零偏校正、标度因数校正、温度补偿
预处理校准
07
初始对准
静基座对准、动基座对准、粗对准与精对准、初始姿态确定
对准初始
08
捷联惯导解算流程
整体算法框架、时间同步、解算周期、数据流设计
架构流程
09
Python实现：IMU数据类
IMU数据类设计、IMU数据模拟器、数据读取与存储
Python数据
10
Python实现：姿态解算类
姿态解算类设计、四元数更新、姿态矩阵计算
Python姿态
11
Python实现：速度解算类
速度解算类设计、比力方程实现、速度积分
Python速度
12
Python实现：位置解算类
位置解算类设计、经纬高更新、位置积分
Python位置
13
Python实现：解算器类
捷联惯导解算器类设计、主循环实现、数据记录
Python集成
14
仿真验证
轨迹生成器设计、理想IMU数据生成、解算结果对比
仿真验证
15
误差分析
姿态/速度/位置误差传播、舒勒振荡
误差传播
16
卡尔曼滤波基础
状态空间模型、预测与更新、协方差矩阵
滤波估计
17
惯导/组合导航
GPS/惯导组合、松耦合与紧耦合、滤波模型
组合GPS
18
Python实现：卡尔曼滤波器
卡尔曼滤波器类设计、惯导误差状态模型
PythonKF
19
Python实现：组合导航
GPS模拟器、量测更新、组合导航解算
Python组合
20
高精度解算
圆锥补偿算法、划桨补偿算法、高阶积分方法
高精度补偿
21
工程实践：实时性优化
实时性优化、多线程设计、数据缓存策略
工程优化
22
工程实践：传感器标定
六面法标定、转台标定、标定方法
标定传感器
23
工程实践：IMU选型
IMU选型指南、性能指标、成本与精度权衡
选型硬件
24
工程实践：嵌入式移植
ARM与FPGA实现、资源优化、平台移植
嵌入式ARM
25
测试与验证：跑车实验
跑车实验设计、数据采集、后处理分析
实验测试
26
测试与验证：精度评估
均方根误差、轨迹对比、精度评估方法
评估指标
27
常见问题与调试
解算发散、初始对准失败、数据异常处理
调试排错
28
进阶话题：视觉惯导融合
视觉惯导融合、深度学习辅助惯导、多源融合
视觉融合
29
进阶话题：MEMS惯导
MEMS惯导特点、低成本方案、消费级应用
MEMS低成本
30
总结与展望
捷联惯导发展趋势、未来挑战、学习路径建议
总结展望