第1章
传感器基础与数据融合概述
传感器的分类与特性 · 多传感器系统优势 · 数据级/特征级/决策级融合 · 自动驾驶/机器人/工业物联网
基础层次应用
第2章
坐标系统与空间变换
世界/机器人/传感器坐标系 · 欧拉角与四元数 · 坐标变换矩阵 · 手眼标定基础
坐标系四元数标定
第3章
时间同步机制
硬件同步(PPS/PTP) · 软件同步(时间戳对齐/插值) · 多传感器时间戳管理 · 延迟补偿
同步PTP延迟补偿
第4章
传感器噪声建模
高斯/椒盐/量化噪声 · Allan方差 · IMU随机游走 · 卡尔曼滤波基础
噪声AllanIMU
第5章
数据预处理技术
异常值检测(3σ/IQR) · 归一化与标准化 · 滑动窗口/中值/低通滤波
滤波归一化异常检测
第6章
卡尔曼滤波实战
标准卡尔曼推导 · 状态空间模型 · 预测与更新 · Python实现(一维/多维) · 调参经验
卡尔曼Python调参
第7章
扩展卡尔曼滤波 (EKF)
非线性系统线性化 · 雅可比矩阵 · GPS+IMU融合 · Python实现
EKF雅可比GPS+IMU
第8章
无迹卡尔曼滤波 (UKF)
UT变换 · Sigma点选取 · UKF与EKF对比 · Python实现与性能分析
UKFUT变换对比
第9章
粒子滤波 (PF)
蒙特卡洛方法 · 重要性采样 · 重采样 · 定位应用 · Python实现
粒子滤波重采样定位
第10章
多传感器融合架构
集中式/分布式/混合式融合 · 联邦卡尔曼滤波 · 架构优缺点对比
架构联邦分布式
第11章
GPS与IMU融合 (松耦合)
松耦合架构 · GPS/IMU数据对齐 · 卡尔曼滤波实现 · RTK-GPS融合
松耦合RTKGPS
第12章
GPS与IMU融合 (紧耦合)
紧耦合架构 · 原始观测值融合 · 伪距/载波相位 · 性能对比
紧耦合伪距载波相位
第13章
视觉与IMU融合 (VIO)
视觉惯性里程计 · 预积分 · 滑动窗口优化 · VINS-Mono解析
VIO预积分VINS
第14章
激光雷达与IMU融合 (LIO)
激光惯性里程计 · 点云畸变去除 · 特征提取与匹配 · LIO-SAM解析
LIO点云畸变LIO-SAM
第15章
激光雷达与视觉融合
点云投影到图像 · 多模态特征融合 · 目标检测融合 · BEV感知方案
激光+视觉BEV目标检测
第16章
毫米波雷达与视觉融合
毫米波雷达特性 · 雷达点云与图像对齐 · 目标级融合 · 决策级融合
毫米波对齐决策融合
第17章
超声波与红外融合
超声波测距 · 红外特性 · 近距离避障融合 · 低成本方案设计
超声波红外避障
第18章
多传感器标定技术
内参标定(相机/激光/IMU) · 外参联合标定 · 标定板设计 · 自动化工具
标定内参外参
第19章
传感器故障检测与隔离
残差检测 · 卡方检验 · 一致性检验 · 故障隔离 · 安全冗余设计
故障检测卡方冗余
第20章
贝叶斯融合方法
贝叶斯定理 · 贝叶斯网络 · 目标跟踪应用 · 递归贝叶斯估计
贝叶斯网络递归
第21章
D-S证据理论
Dempster-Shafer理论 · 信任/似然函数 · 证据组合规则 · 与贝叶斯对比
D-S证据理论组合
第22章
模糊逻辑融合
模糊集合与隶属度 · 模糊规则设计 · 模糊推理系统 · 决策融合应用
模糊逻辑隶属度推理
第23章
神经网络融合方法
多层感知机 · CNN融合 · RNN融合 · 端到端融合学习
神经网络CNN端到端
第24章
图优化与因子图
图优化基础 · 因子图模型 · iSAM2算法 · SLAM应用
图优化因子图iSAM2
第25章
多目标跟踪融合
JPDA算法 · MHT算法 · 多传感器多目标跟踪 · 航迹关联与管理
JPDAMHT航迹
第26章
环境感知融合实战
自动驾驶感知系统 · 障碍物检测与跟踪 · 可行驶区域分割 · 评估指标
感知自动驾驶评估
第27章
机器人定位融合实战
轮式里程计+IMU · 视觉+激光定位 · 室内外无缝定位 · 精度评估
定位轮式无缝
第28章
工业物联网融合实战
工业传感器采集 · 多源数据融合 · 设备状态监测 · 预测性维护
工业物联网预测维护
第29章
融合系统性能评估
精度指标(RMSE/MAE) · 实时性评估 · 鲁棒性测试 · 数据集与仿真平台
评估RMSE鲁棒性
第30章
前沿趋势与挑战
多模态大模型 · 端侧融合计算 · 联邦学习与隐私保护 · 下一代架构展望
前沿大模型联邦学习