🤖 传感器融合 · 数据处理
📘
30章 完整目录
01
传感器基础与分类
激光雷达、IMU、摄像头、编码器、超声波、GPS · 选型原则与性能指标
02
传感器误差模型与标定
确定性/随机误差 · IMU六面法 · 激光雷达外参 · 摄像头内参 · Allan方差
03
坐标变换与空间描述
旋转矩阵、四元数、欧拉角 · 齐次变换 · 坐标系链式法则
04
时间同步机制
时间戳对齐 · PPS/PTP硬件同步 · 插值/外推软件同步 · 延迟补偿
05
数据预处理与滤波
异常值剔除 · 缺失值处理 · 移动平均 · 一阶低通 · 高通/带通
06
卡尔曼滤波基础
状态空间模型 · 线性KF预测更新 · 卡尔曼增益 · 协方差更新
07
扩展卡尔曼滤波 (EKF)
非线性线性化 · 雅可比矩阵 · EKF-SLAM · 机器人定位
08
无迹卡尔曼滤波 (UKF)
UT变换 · Sigma点 · UKF vs EKF · 姿态估计
09
粒子滤波 (PF)
蒙特卡洛 · 重要性采样/重采样 · 粒子退化 · 自适应PF
10
多传感器融合架构
松/紧耦合 · 集中/分布式 · 联邦卡尔曼 · 信息滤波
11
IMU与视觉融合 (VIO)
视觉惯性里程计 · 预积分 · 滑动窗口 · VINS-Mono
12
激光雷达与IMU融合 (LIO)
激光惯性里程计 · 点云畸变去除 · 特征提取 · LIO-SAM
13
激光雷达与视觉融合
点云-图像投影 · 多模态特征融合 · 目标检测/语义分割
14
GPS与IMU融合
松/紧耦合组合导航 · 卡尔曼滤波 · RTK/差分GPS
15
轮式里程计与IMU融合
编码器模型 · 运动学约束 · 误差分析 · 轮式IMU定位
16
超声波与红外传感器融合
测距原理对比 · 多传感器测距融合 · 避障导航
17
传感器故障检测与隔离
残差阈值 · 卡方检验 · 一致性检验 · 冗余管理
18
数据关联与匹配
最近邻NN · JPDA · 多假设跟踪MHT · 匈牙利算法
19
状态估计与平滑
批处理最小二乘 · 图优化(g2o/Ceres) · RTS平滑 · 固定滞后平滑
20
传感器网络与分布式融合
分布式卡尔曼 · 一致性算法 · 无线传感器网络融合
21
深度学习在传感器融合中的应用
端到端融合 · 注意力机制 · 多模态Transformer · BEV感知
22
实时性与嵌入式实现
STM32/Jetson/FPGA · RTOS调度 · 计算资源优化
23
传感器融合仿真
Gazebo环境 · 传感器模型(噪声/延迟/故障) · 数据集生成
24
传感器融合评估指标
ATE/RPE定位精度 · 融合延迟 · 鲁棒性 · 计算开销
25
ROS与传感器融合
ROS消息 · tf坐标树 · robot_localization · 多传感器同步
26
传感器融合在自动驾驶中的应用
多传感器标定 · 感知融合(目标/特征) · GNSS+IMU+LiDAR定位
27
传感器融合在无人机中的应用
VIO · 光流+IMU · GPS拒止导航
28
传感器融合在服务机器人中的应用
室内定位建图 · 人机交互融合 · 多机器人协同感知
29
传感器融合在工业机器人中的应用
力觉+视觉 · 装配精密定位 · 协作机器人安全感知
30
前沿趋势与挑战
事件相机+IMU · 毫米波雷达+视觉 · 联邦学习 · 可解释性融合