自动驾驶定位技术精讲
📘 30章 · 从入门到实战
01
定位技术概述
为什么定位是基石？GNSS、IMU、LiDAR、视觉定位对比
02
坐标系与变换
WGS84、ENU、车辆坐标系、刚体变换与四元数
03
GNSS基础
GPS原理、伪距测量、单点定位精度分析
04
RTK定位
载波相位差分、整周模糊度固定、厘米级定位实现
05
IMU原理
加速度计与陀螺仪工作原理、零偏与噪声模型
06
IMU预积分
离散时间预积分、协方差传递、代码实现
07
多传感器融合
卡尔曼滤波入门、状态预测与更新方程
08
扩展卡尔曼滤波
非线性系统线性化、雅可比矩阵推导
09
无迹卡尔曼滤波
Sigma点采样、UT变换、避免雅可比计算
10
粒子滤波
重要性采样、重采样、非高斯滤波
11
图优化基础
因子图、最小二乘问题、稀疏求解
12
LiDAR点云处理
体素滤波、RANSAC地面分割、点云配准
13
ICP算法
点对点ICP、点对面ICP、鲁棒核函数
14
NDT算法
正态分布变换、体素化匹配、实时性优化
15
LiDAR里程计
帧间匹配、关键帧选取、局部地图维护
16
视觉特征提取
ORB特征、SIFT特征、特征匹配与误剔除
17
视觉里程计
对极几何、PnP求解、三角化
18
VINS初始化
视觉与IMU对齐、重力估计、尺度恢复
19
VINS后端
滑动窗口优化、边缘化策略、代码实战
20
多传感器标定
LiDAR与相机外参标定、IMU与相机标定
21
轮式里程计
差速模型、阿克曼模型、编码器融合
22
全局定位
蒙特卡洛定位、自适应粒子滤波
23
语义定位
语义地图构建、语义特征匹配
24
高精地图
HD Map要素、车道线、路标、拓扑结构
25
车道线检测
图像分割、曲线拟合、逆透视变换
26
融合定位实战
ESKF算法、松耦合与紧耦合对比
27
RTK+IMU组合导航
松耦合实现、代码框架
28
LiDAR+IMU紧耦合
LIO-SAM原理、因子图构建
29
视觉+IMU紧耦合
VINS-Mono代码解析、性能调优
30
定位系统评估
EVO工具使用、ATE/RPE指标、误差分析