多传感器融合定位实战手册

📚 共计 30 章节

定位技术概述

GNSS、IMU、轮速计、激光雷达、视觉传感器的原理与优缺点对比。

传感器原理

坐标系与刚体运动

世界坐标系、车体坐标系、传感器坐标系、欧拉角、四元数、旋转矩阵。

数学基础坐标系

传感器标定基础

IMU内参标定、相机内参标定、激光雷达与相机外参标定。

卡尔曼滤波入门

状态估计问题、贝叶斯滤波、标准卡尔曼滤波推导。

滤波贝叶斯

扩展卡尔曼滤波

EKF原理、线性化方法、EKF在定位中的应用。

无迹卡尔曼滤波

UKF原理、Sigma点选取、UT变换。

蒙特卡洛方法、重要性采样、重采样、PF在定位中的应用。

粒子滤波蒙特卡洛

图优化基础

图优化理论、最小二乘问题、稀疏矩阵求解。

图优化最小二乘

因子图与iSAM

因子图构建、增量式平滑与建图。

IMU运动学模型、预积分公式推导、预积分在因子图中的应用。

多传感器时空同步

时间戳对齐、硬件同步方案、软件同步方案。

GNSS定位原理

伪距定位、载波相位定位、RTK/PPK技术。

GNSS+IMU组合导航

松耦合、紧耦合、深耦合架构对比。

组合导航耦合

轮速计与航位推算

轮式里程计模型、航位推算误差分析。

轮速计航位推算

激光雷达SLAM

ICP配准、NDT配准、LOAM系列算法。

特征点法、直接法、ORB-SLAM3解析。

视觉惯性里程计

VINS-Mono框架详解、初始化、后端优化。

VINS视觉惯性

激光惯性里程计

LIO-SAM框架详解、关键帧选取、回环检测。

多传感器融合框架

基于滤波的融合、基于图优化的融合。

融合框架滤波/图优化

误差状态卡尔曼滤波

ESKF原理、误差状态方程、IMU+GPS融合实战。

ESKF误差状态

基于图优化的融合定位

因子图构建、残差定义、优化求解。

图优化残差

多传感器融合中的异常处理

传感器故障检测、数据异常剔除、降级策略。

异常处理降级

定位性能评估

绝对轨迹误差、相对轨迹误差、实时性评估。

开源框架介绍

RTKLIB、GTSAM、Ceres Solver、ROS机器人操作系统。

实战：ESKF的GNSS+IMU融合

基于ESKF的GNSS+IMU融合定位（Python实现）。

实战：图优化激光雷达+IMU

基于图优化的激光雷达+IMU融合定位（C++实现）。

实战：视觉+IMU+GNSS融合

视觉+IMU+GNSS多传感器融合定位系统搭建。

实战多传感器

实战：自动驾驶融合部署

自动驾驶场景下的多传感器融合定位部署。

实战自动驾驶

实战：无人机轻量化融合

无人机场景下的轻量化融合定位方案。

实战无人机

总结与展望

多传感器融合定位的未来趋势、学习路径推荐。