VIP20
本课程属于：023-Edge AI多传感器融合推理 工业控制与工业互联网 · 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

IMU与气压计融合高度估计TinyML实战

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 · 课程结构 · 所需工具与硬件
课程导入学习目标
02
IMU基础
加速度计 · 陀螺仪 · 磁力计的工作原理
IMU加速度计
03
气压计基础
气压测高原理 · 气压与高度的关系 · 温度影响与校准
气压计基础气压测高原理
04
高度估计基础
高度定义 · 参考面 · 气压高度与相对高度
高度估计基础高度定义
05
IMU高度估计方法
加速度积分 · 姿态解算 · 垂直速度估计
IMU高度估计方法
06
气压计高度估计方法
气压公式 · 标准大气模型 · 滤波平滑
气压计高度估计方…气压公式
07
传感器融合基础
互补滤波 · 卡尔曼滤波 · 粒子滤波
传感器融合基础互补滤波
08
互补滤波融合
一阶互补滤波 · 二阶互补滤波 · 参数调优
互补滤波融合一阶互补滤波
09
卡尔曼滤波融合
状态空间模型 · 预测与更新 · 协方差调参
卡尔曼滤波融合状态空间模型
10
扩展卡尔曼滤波（EKF）
非线性模型 · 雅可比矩阵 · IMU与气压计融合
EKF扩展卡尔曼滤波
11
无迹卡尔曼滤波（UKF）
Sigma点变换 · 适用场景 · 与EKF对比
UKF无迹卡尔曼滤波
12
TinyML与边缘部署
TinyML概念 · 模型压缩 · 量化
TinyML边缘部署
13
嵌入式平台选择
Arduino · ESP32 · STM32
嵌入式平台选择Arduino
14
传感器数据采集
I2C/SPI接口 · 采样率设置 · 数据同步
传感器数据采集I2C/SPI
15
数据预处理
去噪 · 平滑 · 异常值剔除
数据预处理去噪
16
特征工程
时域特征 · 频域特征 · 统计特征
特征工程时域特征
17
机器学习模型选择
线性回归 · 决策树 · 随机森林
机器学习模型选择线性回归
18
深度学习模型
LSTM · GRU · CNN
深度学习模型LSTM
19
模型训练与验证
数据集划分 · 交叉验证 · 损失函数
模型训练验证
20
模型量化与优化
量化感知训练 · 剪枝 · 蒸馏
模型量化优化
21
TinyML推理框架
TensorFlow Lite Mi… · Edge Impulse · ArduinoML
TinyML推理框架
22
实战项目一
基于互补滤波的IMU+气压计高度估计…
实战项目一IMU+
23
实战项目二
基于卡尔曼滤波的高度估计（ESP32…
实战项目二ESP32
24
实战项目三
基于LSTM的TinyML高度估计（…
实战项目三LSTM
25
实战项目四
多传感器融合的无人机高度估计（树莓派…
实战项目四多传感器融合的无…
26
常见问题与调试
传感器噪声 · 漂移 · 温度补偿
常见问题调试
27
性能评估与调优
误差分析 · 鲁棒性测试 · 功耗优化
性能评估调优
28
综合提升
多传感器融合（GPS · UWB） · 动态环境适应
综合提升GPS
29
项目部署与测试
硬件集成 · 无线传输 · 上位机显示
项目部署测试
30
课程总结与展望
学习路径回顾 · 未来趋势 · 扩展方向
课程总结学习路径回顾