多传感器融合路径规划概述、应用场景（自动驾驶、AGV、无人机）、课程大纲与学习路径、所需数学基础（线性代数、概率论）与编程环境（ROS2 + Python）搭建。
激光雷达（LiDAR）工作原理、点云数据格式、主要特性（精度、视野、更新率）；惯性测量单元（IMU）工作原理、三轴加速度与角速度、零偏与噪声特性。
轮式里程计（Wheel Odometry）模型、编码器数据与航迹推算；全球导航卫星系统（GNSS）原理、RTK定位精度、常见误差源；相机视觉传感器简介与图像数据特点。
常用坐标系（世界系、车体系、传感器系、相机系）；欧拉角、旋转矩阵、四元数；使用TF库进行坐标变换管理（ROS2 TF2实战）。
LiDAR与IMU联合标定原理；标定板设计与数据采集；使用开源工具（如lidar_imu_calib）进行标定实战。
Camera与LiDAR联合标定；Camera与IMU联合标定（VIO标定）；标定结果验证与精度评估。
多传感器时间戳对齐原理（硬件同步 vs 软件同步）；使用message_filters进行时间同步；点云滤波（体素滤波、直通滤波、统计滤波）；IMU数据预处理（去零偏、积分）。
贝叶斯滤波与递归估计；卡尔曼滤波（KF）推导与一维示例；扩展卡尔曼滤波（EKF）原理与线性化。
基于EKF的LiDAR+IMU融合定位；状态向量设计、预测模型与观测模型；代码实现与仿真分析。
基于误差状态卡尔曼滤波（ESKF）的IMU+GPS融合；松耦合与紧耦合架构对比；因子图优化简介（iSAM2）。
栅格地图原理与概率更新；激光雷达建图（GMapping、Cartographer简介）；使用ROS2 nav2进行栅格地图构建。
Dijkstra算法原理与实现；A*算法原理、启发式函数设计；在栅格地图上的A*路径搜索实战。
Hybrid A*算法（考虑车辆运动学）；Lattice Planner原理；Lanelet2高精地图与全局规划。
动态窗口法（DWA）原理与实现；TEB（Timed Elastic Band）算法原理；在ROS2 Nav2中配置DWA与TEB。
模型预测控制（MPC）用于路径跟踪；MPC与DWA对比；基于学习的局部规划器（如RL）简介。
基于包围盒（AABB、OBB）的碰撞检测；基于距离场的碰撞检测；考虑车辆轮廓的碰撞检测。
融合定位如何提升规划稳定性；使用EKF/ESKF输出作为规划输入；处理传感器故障时的规划降级策略。
动态障碍物感知与预测（基于LiDAR+Radar）；融合感知结果输入规划器；行为预测与交互规划。
Nav2架构概览（BT Navigator、Planner Server、Controller Server）；自定义规划器与控制器插件；行为树（Behavior Tree）在导航中的应用。
使用Gazebo搭建多传感器仿真环境；配置LiDAR、IMU、Camera、GPS插件；编写仿真测试脚本。
需求分析与系统设计；传感器选型与配置；标定与建图。
全局与局部规划器调参；融合定位调试；实车测试与问题排查。
高精地图获取与处理；多传感器融合定位（GPS+IMU+LiDAR）；全局路径规划（Lanelet2 + Hybrid A*）。
局部规划与避障（MPC）；红绿灯与交通标志感知融合；综合路测与性能评估。
路径规划评价指标（路径长度、平滑度、计算耗时）；定位精度评估（ATE、RPE）；使用rqt与PlotJuggler进行数据可视化与调试。
C++与Python混合编程；代码优化技巧（SIMD、多线程）；嵌入式平台部署（Jetson、NUC）。
传感器故障检测与隔离（FDI）；规划器异常检测与回退机制；功能安全标准（ISO 26262）简介。
端到端自动驾驶与规划；基于学习的传感器融合（Transformer）；多智能体协同规划。
核心知识点回顾；常见面试题解析；推荐学习资源（论文、书籍、开源项目）。
项目选题指南；技术报告撰写规范；答辩技巧与评分标准。