01
传感器融合概述
什么是外部传感器融合？为什么PX4需要它？常见的应用场景（视觉、激光雷达、毫米波雷达）。
概念场景
02
PX4架构基础
PX4内部模块通信机制（uORB）、传感器数据流、驱动框架概览。
uORB驱动框架
03
开发环境搭建
Ubuntu + PX4 Firmware编译、Eclipse/VSCode调试配置、仿真环境（Gazebo）搭建。
环境仿真
04
传感器驱动模型
PX4驱动分层（Bus、I2C、SPI、UART）、设备注册与探测流程。
驱动分层注册
05
uORB消息机制
发布/订阅模型、自定义uORB消息、消息频率控制。
uORB自定义
06
外部传感器数据接入
通过串口/网口接收外部数据、数据解析与校验。
串口网口
07
驱动开发实战（一）
编写一个简单的虚拟传感器驱动（模拟数据发布）。
虚拟驱动实战
08
驱动开发实战（二）
对接真实激光雷达（如RPLIDAR），实现距离数据发布。
激光雷达RPLIDAR
09
驱动开发实战（三）
对接视觉传感器（如Intel Realsense），发布位姿数据。
视觉Realsense
10
驱动开发实战（四）
对接毫米波雷达，发布目标跟踪数据。
毫米波目标跟踪
11
传感器时间同步
硬件时间戳、软件时间戳、PX4时间同步机制（EKF2_GPS_POS_X, etc.）。
时间同步EKF2
12
传感器校准基础
为什么要校准？校准参数（偏移、缩放、温度补偿）的数学原理。
校准原理参数
13
校准工具链
使用QGroundControl进行传感器校准、校准参数存储与加载。
QGC工具链
14
外部传感器校准（一）
激光雷达的安装校准（水平、垂直、旋转角度）。
激光雷达外参
15
外部传感器校准（二）
视觉传感器的内参、外参标定（使用Kalibr或OpenCV）。
视觉标定Kalibr
16
外部传感器校准（三）
毫米波雷达与IMU的联合标定。
联合标定IMU
17
传感器融合算法基础
卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）简介。
卡尔曼EKF
18
PX4 EKF2模块详解
EKF2状态量、观测模型、协方差矩阵调参。
EKF2调参
19
融合外部传感器数据到EKF2
修改EKF2参数、添加新的观测模型。
EKF2融合观测模型
20
多传感器融合策略
视觉+IMU、激光+IMU、视觉+激光+IMU的融合策略对比。
融合策略对比
21
传感器故障检测与隔离
数据完整性检查、健康状态监控、故障切换逻辑。
故障检测健康监控
22
性能调优
传感器数据延迟补偿、融合频率匹配、CPU负载优化。
延迟补偿优化
23
日志分析与调试
使用ulog进行传感器数据回放、使用FlightPlot/PlotJuggler分析数据。
ulog回放
24
硬件在环仿真（HITL）
将真实传感器接入仿真环境进行测试。
HITL硬件在环
25
软件在环仿真（SITL）
使用模拟传感器数据进行融合算法验证。
SITL仿真
26
实机飞行测试
从仿真到实机的过渡、安全注意事项、常见问题排查。
实机安全
27
案例实战（一）
基于激光雷达的室内定位与避障系统。
激光定位避障
28
案例实战（二）
基于视觉的自主降落系统。
视觉降落自主
29
案例实战（三）
多传感器融合的复杂环境导航。
多传感器导航
30
课程总结与进阶方向
开源项目推荐、社区资源、未来趋势（如事件相机、4D雷达）。
总结进阶