Jetson 传感器融合
30章
⚡ 实战目录 · 点击卡片跳转
01
传感器基础与Jetson平台概览
常见传感器类型 (IMU、GPS、激光雷达、摄像头) · Jetson Nano/TX2/Orin 对比 · 系统环境初始化
02
ROS2基础与通信机制
ROS2架构 (节点、话题、服务、动作) · 工作空间创建 · 发布者与订阅者实战
03
时间同步原理
CLOCK_REALTIME vs CLOCK_MONOTONIC · ROS2 /clock 话题 · 时间戳重要性
04
硬件时间戳获取
GPIO触发与时间捕获 · SPI/I2C总线时间戳 · Jetson中断与寄存器
05
IMU数据读取与预处理
I2C/SPI读取BMI088/MPU6050 · 加速度计与陀螺仪校准 · 零偏补偿
06
GPS数据解析与NMEA协议
NMEA-0183详解 · $GPGGA/$GPRMC解析 · ublox驱动集成
07
激光雷达驱动与点云数据
激光雷达原理 · ROS2驱动 (slamtec/velodyne) · PointCloud2格式
08
摄像头驱动与图像采集
V4L2驱动 · GStreamer管道 · ROS2 image_transport · 相机内参标定
09
多传感器时间戳对齐
硬件触发同步 · 软件时间戳插值 · 时间偏移估计与补偿
10
消息过滤器 (Message Filters)
ROS2 message_filters · TimeSynchronizer · ApproximateTime策略
11
数据录制与回放
ros2 bag录制 · bag文件结构 · 回放与时间戳重映射
12
传感器标定基础
标定板设计 · 内参标定(相机) · 外参标定(IMU-相机, LiDAR-相机)
13
Kalman滤波入门
状态空间模型 · 预测与更新 · 一维Kalman滤波实现
14
扩展Kalman滤波 (EKF)
非线性系统线性化 · EKF在IMU+GPS融合中的应用
15
无迹Kalman滤波 (UKF)
UT变换 · Sigma点选取 · UKF与EKF对比
16
粒子滤波 (Particle Filter)
重要性采样 · 重采样 · 粒子滤波在定位中的应用
17
IMU+GPS融合定位
松耦合 vs 紧耦合 · EKF融合框架 · 航向角估计
18
视觉惯性里程计 (VIO)
VINS-Mono原理 · IMU预积分 · 滑动窗口优化
19
激光雷达+IMU融合 (LIO)
LIO-SAM框架 · 因子图优化 · 回环检测
20
多传感器融合框架 (robot_localization)
ROS2 robot_localization · EKF节点配置 · 协方差调参
21
传感器数据预处理流水线
低通/中值滤波 · 异常值剔除 · 数据归一化
22
时间延迟估计
互相关法 · 相位法 · 自适应时间延迟补偿
23
多传感器融合中的坐标系变换
TF树 · ENU/NED/body frame · 坐标变换矩阵
24
传感器故障检测与隔离
残差检测 · 卡方检验 · 传感器一致性校验
25
实时性能优化
CPU/GPU调度 · DMA传输 · 零拷贝 · 内存池管理
26
传感器数据可视化
Rviz2 · PlotJuggler实时曲线 · Foxglove Studio
27
边缘端模型部署
TensorRT加速 · ONNX转换 · 传感器数据作为模型输入
28
实战项目1：无人机姿态估计
基于IMU+GPS的无人机姿态估计系统
29
实战项目2：室内移动机器人建图与定位
基于激光雷达+IMU的室内建图与定位 (SLAM)
30
实战项目3：自动驾驶感知系统
多传感器融合感知 (相机+激光雷达+IMU+GPS)