🧹 扫地机器人·传感器融合与避障
30章 实战
⚡ 友好 · 从入门到工程
1
课程导论
扫地机器人为什么需要传感器融合？避障算法演进与行业现状
2
核心传感器（一）
激光雷达(LDS)工作原理、数据特性与常见选型
3
核心传感器（二）
IMU加速度计与陀螺仪原理、零偏与噪声模型
4
核心传感器（三）
超声波与红外测距原理、优缺点对比
5
核心传感器（四）
碰撞传感器(bumper)与悬崖传感器触发逻辑与融合
6
传感器标定（一）
激光雷达与IMU外参标定原理与工具(lidar_align)
7
传感器标定（二）
轮式里程计与IMU标定、运动畸变去除
8
传感器标定（三）
多传感器时间同步机制 (硬件同步与软件同步)
9
数据预处理
传感器噪声滤波：均值、中值、卡尔曼滤波入门
10
数据预处理
点云滤波：体素滤波、直通滤波、离群点移除
11
状态估计基础
贝叶斯滤波、马尔可夫假设与递归状态估计
12
卡尔曼滤波(KF)
线性系统最优估计，一维与多维实例
13
扩展卡尔曼滤波(EKF)
非线性系统线性化，扫地机器人位姿估计实战
14
无迹卡尔曼滤波(UKF)
无迹变换，避免雅可比矩阵计算
15
粒子滤波(PF)
非高斯、多模态分布下的定位与跟踪
16
多传感器融合框架
松耦合与紧耦合，EKF融合LDS+IMU+里程计
17
占据栅格地图构建
概率栅格模型、bresenham算法、更新策略
18
避障算法基础
势场法(APF)原理与局部极小值问题
19
动态窗口法(DWA)
速度空间搜索、评价函数设计、轨迹预测
20
时间弹性带(TEB)
轨迹优化、动态约束与实时避障
21
基于学习的避障
端到端模仿学习与深度强化学习(DRL)简介
22
全局路径规划
A*算法与Dijkstra算法在栅格地图上的实现
23
局部路径规划
TEB与DWA在扫地机器人上的对比实验
24
行为状态机
待机、清扫、回充、脱困等状态切换逻辑设计
25
脱困策略
基于碰撞序列与IMU的缠绕检测与反向脱困算法
26
回充引导
红外信标引导与视觉二维码对准技术
27
仿真环境搭建
Gazebo + ROS2 仿真模型与传感器噪声注入
28
工程化实践（一）
嵌入式平台(STM32/ESP32)轻量级融合算法移植
29
工程化实践（二）
性能调优——降低延迟、提高鲁棒性的工程技巧
30
课程总结与展望
从单机智能到多机协同，未来传感器融合趋势