01
传感器融合概述
什么是传感器融合？为什么运动控制需要它？核心概念与典型应用场景。
基础概念
02
运动控制基础
运动控制系统架构、控制回路（位置/速度/电流环）、常用执行器与传感器。
架构执行器
03
惯性测量单元(IMU)
加速度计、陀螺仪、磁力计的工作原理与特性，IMU误差模型。
IMU误差
04
编码器与位置传感器
增量式/绝对式编码器、霍尔传感器、旋转变压器，分辨率与精度。
编码器位置
05
视觉传感器基础
相机模型、图像坐标系、特征提取（角点/边缘）、视觉里程计初步。
视觉特征
06
激光雷达与距离传感器
ToF、三角测距、单线/多线激光雷达，点云数据基础。
LiDAR点云
07
卡尔曼滤波入门
状态空间模型、预测与更新步骤、一维卡尔曼滤波手算推导。
滤波KF
08
扩展卡尔曼滤波(EKF)
非线性系统线性化、雅可比矩阵、EKF在IMU+编码器融合中的应用。
EKF非线性
09
无迹卡尔曼滤波(UKF)
无迹变换、Sigma点选取、UKF vs EKF对比。
UKF无迹
10
粒子滤波(PF)
蒙特卡洛方法、重要性采样、重采样、粒子退化问题。
粒子蒙特卡洛
11
互补滤波器
原理、一阶/二阶互补滤波、IMU姿态解算中的经典应用。
互补姿态
12
Mahony与Madgwick滤波器
四元数姿态估计、梯度下降法、算法对比与调参。
四元数梯度
13
多传感器时间同步
硬件触发、软件插值、时间戳管理、延迟补偿策略。
同步延迟
14
坐标系与变换
刚体变换、四元数、欧拉角、旋转矩阵、坐标树管理。
坐标变换
15
IMU+编码器融合
航位推算、零速修正(ZUPT)、轮式里程计模型。
航位推算ZUPT
16
IMU+视觉融合(VIO)
视觉惯性里程计、紧耦合/松耦合、初始化与标定。
VIO紧耦合
17
IMU+GPS融合
松耦合/紧耦合、RTK/差分GPS、城市峡谷环境下的鲁棒性。
GPSRTK
18
激光雷达+IMU融合(LIO)
点云畸变去除、扫描匹配(ICP/NDT)、LIO-SAM框架简介。
LIOICP
19
多传感器标定
内参标定、外参标定（手眼标定）、目标定方法。
标定手眼
20
传感器故障检测与隔离
残差分析、卡方检验、一致性检查、降级策略。
故障隔离
21
反馈控制基础
PID控制、前馈控制、鲁棒控制基础、控制律与传感器融合的接口。
PID前馈
22
基于状态观测器的反馈
龙伯格观测器、滑模观测器、与卡尔曼滤波的关系。
观测器滑模
23
模型预测控制(MPC)与融合
MPC基本原理、状态估计作为MPC输入、实际案例。
MPC预测
24
力/触觉传感器融合
六维力传感器、力矩控制、阻抗控制中的融合应用。
力觉阻抗
25
不确定性管理
协方差估计、自适应滤波、鲁棒融合策略。
鲁棒自适应
26
嵌入式实现与优化
资源受限平台、定点数运算、算法加速、实时性保障。
嵌入式实时
27
ROS2与传感器融合
ROS2基础、传感器驱动、tf树、robot_localization包。
ROS2tf
28
传感器融合评估指标
ATE/RPE、均方根误差、一致性指标、可重复性测试。
评估ATE
29
工业机器人案例
焊接/装配中的多传感器融合、精度提升、安全冗余。
工业冗余
30
自动驾驶与移动机器人案例
多传感器融合定位建图(SLAM)、感知融合、决策规划接口。
SLAM感知