VIP9
本课程属于：058-IMU融合与多源状态估计 智能汽车与新能源汽车工程 · 共 9 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

陀螺仪加速度计融合 惯性传感器IMU姿态解算卡尔曼滤波

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 · IMU姿态解算的应用场景与价值
课程导入学习目标
02
惯性传感器基础
加速度计 · 陀螺仪的工作原理 · 输出特性与误差来源
惯性传感器基础加速度计
03
坐标系与姿态表示
机体坐标系 · 世界坐标系 · 欧拉角
坐标系姿态表示
04
姿态解算数学基础
三角函数 · 向量运算 · 矩阵乘法
姿态解算数学基础三角函数
05
加速度计姿态解算
利用重力矢量计算横滚角与俯仰角 · 原理与局限性
加速度计姿态解算利用重力矢量计算…
06
陀螺仪姿态积分
角速度积分更新姿态 · 漂移问题与误差累积
陀螺仪姿态积分角速度积分更新姿…
07
互补滤波原理
一阶互补滤波的推导 · 实现与参数调节
互补滤波原理一阶互补滤波的推…
08
卡尔曼滤波基础
状态空间模型 · 预测与更新 · 协方差矩阵
卡尔曼滤波基础状态空间模型
09
扩展卡尔曼滤波（EKF）
非线性系统线性化 · 雅可比矩阵 · 在IMU中的应用
EKF扩展卡尔曼滤波
10
四元数卡尔曼滤波
基于四元数的状态向量设计 · 过程模型与测量模型
四元数卡尔曼滤波基于四元数的状态…
11
IMU误差模型与校准
零偏 · 尺度因子 · 轴间误差
IMU误差模型
12
传感器融合策略
加速度计与陀螺仪融合的必要性 · 融合架构对比
传感器融合策略加速度计
13
Mahony互补滤波算法
算法原理 · 实现步骤 · 参数调整与性能分析
Mahony互补滤波算法
14
Madgwick滤波器
梯度下降法姿态解算 · 算法流程与优缺点
Madgwick滤波器
15
卡尔曼滤波在IMU中的完整设计
状态向量 · 状态转移矩阵 · 观测矩阵
IMU卡尔曼滤波
16
静态与动态性能评估
静态漂移 · 动态响应 · 噪声抑制
静态动态性能评估
17
仿真环境搭建
使用Python/Matlab模拟I… · 验证算法效果
仿真环境搭建Python/Matla…
18
实战
基于MPU6050的原始数据读取与预…
MPU6050基于
19
实战
实现一阶互补滤波并输出实时姿态角
实现一阶互补滤波…重点
20
实战
实现Mahony滤波并调试参数
Mahony实现
21
实战
实现Madgwick滤波并对比互补滤…
Madgwick实现
22
实战
实现卡尔曼滤波姿态解算并调参
实现卡尔曼滤波姿…重点
23
实战
融合多种算法 · 设计自适应切换策略
融合多种算法设计自适应切换策…
24
传感器融合中的时间同步与采样率处理。
传感器融合中的时间同步与采样率处理 · 核心概念 · 实践要点
传感器融合时间同步
25
磁力计融合
航向角修正 · 地磁模型 · 九轴融合方法
磁力计融合航向角修正
26
IMU在无人机、机器人、VR/AR中的实际应用案例。
IMU在无人机 · 核心概念 · 实践要点
IMUVR/AR
27
常见问题与调试技巧
发散 · 震荡 · 延迟
常见问题调试技巧
28
算法优化与嵌入式实现
计算量优化 · 定点化 · 实时性保障
算法优化嵌入式实现
29
综合项目
设计一个完整的姿态解算系统 · 从传感器到上位机显示
综合项目设计一个完整的姿…
30
课程总结与进阶方向
视觉惯性融合 · SLAM · 未来趋势
课程总结进阶方向