第01章
定位技术概述
为什么需要多传感器融合？单传感器（GPS、IMU、LiDAR、Camera）的局限性分析。
基础概论
第02章
坐标系与刚体运动基础
世界坐标系、车体坐标系、传感器坐标系；旋转矩阵、四元数、欧拉角。
坐标刚体
第03章
三维空间刚体运动
李群与李代数基础（SO3, SE3, so3, se3），指数映射与对数映射。
李群流形
第04章
传感器模型与标定
IMU测量模型与噪声分析、相机针孔模型与畸变、LiDAR测距原理。
建模标定
第05章
多传感器时空标定
时间戳同步（硬件同步与软件同步）、外参标定（手眼标定、目标定）。
同步外参
第06章
状态估计基础
贝叶斯滤波、高斯分布、最大似然估计与最大后验估计。
概率估计
第07章
卡尔曼滤波
标准KF推导、一维示例、多维实现。
KF线性
第08章
扩展卡尔曼滤波
EKF线性化、雅可比矩阵、IMU+GPS融合实例。
EKF非线性
第09章
无迹卡尔曼滤波
UT变换、Sigma点选取、UKF与EKF对比。
UKF无迹
第10章
粒子滤波
重要性采样、重采样、SIR滤波器、应用场景。
粒子非参
第11章
图优化基础
因子图表示、最小二乘问题、高斯-牛顿法与LM算法。
图优化BA
第12章
基于滤波的融合定位
松耦合架构（EKF融合GPS+IMU）。
松耦合EKF
第13章
基于图优化的融合定位
紧耦合架构（滑动窗口、边缘化）。
紧耦合滑动窗口
第14章
IMU预积分
连续时间预积分、离散时间预积分、协方差传递。
预积分IMU
第15章
视觉惯性里程计（VIO）
MSCKF、VINS-Mono核心原理。
VIO视觉
第16章
LiDAR惯性里程计（LIO）
LOAM、LIO-SAM核心原理。
LIO激光
第17章
多传感器融合框架
LVI-SAM、R3LIVE等开源方案解析。
框架开源
第18章
全局定位与回环检测
基于视觉的词袋模型、基于LiDAR的Scan Context。
回环全局
第19章
点云配准
ICP、NDT、GICP算法原理与实现。
配准点云
第20章
多传感器融合中的异常处理
传感器故障检测、退化场景识别（隧道、长廊）。
鲁棒退化
第21章
RTK与差分GPS
RTK原理、整周模糊度固定、与IMU融合。
RTK高精
第22章
轮式里程计与车辆运动模型
阿克曼模型、差速模型、轮速计与IMU融合。
轮式运动模型
第23章
多传感器融合中的标定工具箱
Kalibr、LiDAR_IMU_Calib、标定流程实战。
工具箱实战
第24章
基于C++的融合定位实现
Eigen、Sophus、Ceres、g2o库使用。
C++库
第25章
基于ROS的融合定位系统
ROS通信机制、Bag包处理、可视化（Rviz）。
ROS可视化
第26章
数据集与评测
KITTI、EuRoC、KAIST数据集使用；ATE、RPE评测指标。
数据集评测
第27章
自动驾驶中的应用
车道级定位、城市峡谷场景。
自动驾驶城市
第28章
机器人中的应用
AGV导航、仓储机器人。
机器人AGV
第29章
无人机中的应用
GPS拒止环境下的自主飞行。
无人机拒止
第30章
前沿趋势与展望
基于学习的定位、端到端融合、传感器即服务。
前沿学习