IMU、GPS、磁力计、气压计、超声波、视觉传感器原理、特性与误差来源
地球坐标系、机体坐标系、欧拉角、四元数、旋转矩阵及其转换关系
状态空间模型、预测与更新步骤、卡尔曼增益推导与直观理解
一维与多维卡尔曼滤波Python实现，以无人机高度估计为例
非线性系统线性化、雅可比矩阵计算，以无人机姿态估计为例
蒙特卡洛方法、重要性采样、重采样技术，适用于非高斯噪声场景
基于频率响应的IMU数据融合，加速度计与陀螺仪互补滤波实现
梯度下降法优化的姿态解算算法，与Mahony滤波器对比
基于EKF的位置与速度估计，解决GPS信号丢失问题
IMU零偏与尺度因子标定、相机内参标定、相机-IMU外参标定
低通、高通、带通、陷波滤波在无人机信号处理中的应用
算法复杂度分析、定点数优化、ARM/DSP平台部署经验
基于Python/Matlab的传感器数据仿真，噪声建模与场景生成
PX4 ECL、RTKLIB、GTSAM、OpenVINS架构与使用
基于PX4的无人机高度融合滤波（气压计+GPS+IMU）
基于VIO的无人机自主导航（Intel T265+PX4）
基于多传感器融合的无人机避障系统（激光雷达+视觉+IMU）
均方根误差(RMSE)、绝对轨迹误差(ATE)、相对轨迹误差(RPE)
基于深度学习的传感器融合、端到端学习、事件相机融合
融合滤波系统设计文档撰写、常见问题排查、未来学习路径