🧭 多传感器融合
时间同步 · 空间对齐
实战课程 · 30章
01
传感器融合概述：为什么需要时间同步与空间对齐？
基础概念 · 融合动机
02
常用传感器介绍：相机、激光雷达、IMU、GPS/RTK
核心器件 · 特性对比
03
时间同步基础：时间戳、时钟源、UTC与系统时间
时钟模型 · 同步基石
04
硬件时间同步方案：PTP（IEEE 1588）协议详解
精密时钟 · 网络同步
05
硬件时间同步方案：GPS/RTK的PPS秒脉冲同步
PPS · 硬件触发
06
软件时间同步方案：基于ROS的Time Synchronizer
ROS · 消息过滤
07
软件时间同步方案：基于消息时间戳的插值对齐
插值 · 时间对齐
08
时间同步精度评估：时间偏移测量与抖动分析
精度度量 · 抖动
09
实战：多传感器数据采集与时间戳记录
采集 · 日志
10
实战：基于ROS的相机-激光雷达时间同步
相机 · LiDAR
11
空间对齐基础：坐标系定义与变换
坐标系 · 变换链
12
空间对齐基础：旋转矩阵、欧拉角、四元数
旋转表示 · 转换
13
空间对齐基础：刚体变换与齐次坐标
齐次矩阵 · 刚体
14
传感器内参标定：相机内参（针孔模型与畸变）
针孔 · 畸变系数
15
传感器内参标定：激光雷达内参（光束模型）
光束模型 · 内参
16
传感器内参标定：IMU内参（加速度计与陀螺仪）
加速度计 · 陀螺仪
17
外参标定原理：手眼标定问题与求解
手眼标定 · AX=XB
18
外参标定方法：相机-激光雷达联合标定
相机-LiDAR · 标定板
19
外参标定方法：相机-IMU联合标定（Kalibr）
Kalibr · 相机-IMU
20
外参标定方法：激光雷达-IMU联合标定（LIO-SAM）
LIO-SAM · 雷达-IMU
21
空间对齐实战：使用OpenCV进行PnP求解
PnP · OpenCV
22
空间对齐实战：使用Eigen库进行坐标变换
Eigen · 变换
23
空间对齐实战：点云投影到图像平面
投影 · 融合可视化
24
空间对齐实战：图像反投影到3D空间
反投影 · 3D重建
25
融合框架：松耦合与紧耦合架构对比
松耦合 · 紧耦合
26
融合框架：基于滤波的融合（EKF/ESKF）
EKF · ESKF
27
融合框架：基于图优化的融合（因子图）
因子图 · 优化
28
综合实战：搭建一个简单的相机-激光雷达融合系统
融合系统 · 实践
29
综合实战：时间同步与空间对齐的联合调试
联合调试 · 验证
30
总结与展望：未来趋势与常见问题FAQ
趋势 · FAQ