首页
›
嵌入式边缘AI与TinyML
›
018-Edge AI传感器融合与多模态推理
›
《Edge AI GNSS/IMU融合定位系统开发》
VIP20
本课程属于:018-Edge AI传感器融合与多模态推理
嵌入式边缘AI与TinyML · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
6. Edge AI GPS融合定位:GNSS、IMU与速度估计组合
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入
学习目标
02
GNSS基础
GPS/北斗/GLONASS/Gal… · 定位误差源(多径 · 电离层
GNSS
GPS
03
IMU基础
加速度计 · 陀螺仪 · 磁力计的工作原理
IMU
加速度计
04
速度估计基础
轮速计 · 车辆CAN总线速度 · 多普勒测速
速度估计基础
轮速计
05
坐标系统与时间同步
WGS84 · UTM · ENU
坐标系统
时间同步
06
传感器标定
IMU内参标定(六面法 · Allan方差) · GNSS天线相位中心偏移
传感器标定
IMU
07
滤波基础
卡尔曼滤波(KF)原理 · 扩展卡尔曼滤波(EKF) · 无迹卡尔曼滤波(UKF)以及粒子滤波…
滤波基础
KF
08
松耦合融合
GNSS位置/速度与IMU姿态/加速… · 状态向量定义 · 观测方程
松耦合融合
GNSS
09
紧耦合融合
GNSS原始观测(伪距 · 载波相位 · 多普勒)与IMU紧耦合
紧耦合融合
GNSS
10
速度辅助融合
将轮速/车速作为约束 · 与GNSS/IMU融合 · 抑制IMU漂移和GNSS跳变
速度辅助融合
将轮速
11
因子图优化
基于因子图的GNSS/IMU/速度融… · 滑动窗口优化 · 与滤波方法的对比
因子图优化
GNSS/IMU
12
Edge AI硬件平台
嵌入式GPU(Jetson) · MCU · FPGA
Edge
AI
13
嵌入式实现
在Edge设备上部署EKF/因子图 · 定点化 · 矩阵运算优化
嵌入式实现
Edge
14
多传感器时间同步实战
使用PPS(秒脉冲)和GPIO中断实… · 软件插值方法
多传感器时间同步…
PPS
15
IMU预积分
预积分理论 · 离散实现 · 在因子图中的应用
IMU
预积分
16
GNSS/INS组合导航系统设计
系统架构 · 状态机 · 故障检测与切换(GNSS丢失
GNSS/INS
组合导航系统设计
17
速度估计融合实战
利用车辆OBD-II速度 · 轮速脉冲 · 结合IMU/GNSS进行融合
速度估计融合实战
OBD-II
18
城市峡谷场景
多径抑制 · 非视距(NLOS)检测 · 3D地图辅助
城市峡谷场景
多径抑制
19
地下停车场与隧道
无GNSS环境下的DR(航位推算)与… · 地图匹配
地下停车场
隧道
20
动态模型
车辆运动学模型(自行车模型 · 阿克曼模型)与IMU/GNSS融合 · 提升预测精度
动态模型
车辆运动学模型
21
误差分析与评估
定位精度(CEP · RMS) · 可用性
误差分析
评估
22
开源工具与库
RTKLIB · GTSAM · Ceres
开源工具
RTKLIB
23
案例实战
基于Jetson Nano的GNSS… · 从硬件连接到代码实现
案例实战
Jetson
24
案例实战
使用RTKLIB与GTSAM实现紧耦… · 在公开数据集(KITTI · EuRoC)上评估
案例实战
RTKLIB
25
案例实战
车辆速度估计融合 · 利用CAN总线数据与IMU/GNSS… · 实现低成本高精度定位
案例实战
车辆速度估计融合
26
常见问题
GNSS信号丢失 · IMU漂移 · 速度传感器噪声
常见问题
GNSS
27
常见问题
时间同步误差 · 坐标系转换错误 · 协方差调参经验
常见问题
时间同步误差
28
综合提升
多传感器融合的深度学习增强(如学习I… · GNSS异常检测) · 以及端到端定位
综合提升
多传感器融合的深…
29
综合提升
车路协同(V2X)与GNSS/IMU… · 5G/RTK增强 · 以及高精地图结合
综合提升
V2X
30
课程总结
核心要点回顾 · 项目实战复盘 · 未来趋势(低成本
课程总结
核心要点回顾
所属VIP或分类
同VIP:Edge-AI-EKF多传感器融合定位与姿态估计
同VIP:Edge-AI-IMU姿态解算与动作识别数据建模
同VIP:Edge-AI-IMU视觉定位融合系统开发