01
绪论：IMU定位技术概述
精度验证的意义与挑战 · 课程目标与内容安排
概述背景
02
惯性导航基础
IMU工作原理 · 加速度计与陀螺仪模型 · 坐标系定义与转换
原理坐标
03
捷联惯导解算
姿态更新算法(四元数/欧拉角) · 速度与位置更新 · 圆锥/划船误差补偿
解算补偿
04
误差模型与标定
确定性误差(零偏/比例因子/交轴) · Allan方差 · 实验室标定流程
标定Allan
05
初始对准
粗对准(解析法/静基座) · 精对准(Kalman滤波) · 动基座对准技术
对准滤波
06
组合导航基础
松/紧/深耦合架构 · 状态向量与观测方程设计
耦合架构
07
卡尔曼滤波理论
标准KF/EKF/UKF · 发散抑制 · IMU融合应用
KFEKFUKF
08
GPS/IMU融合
GPS观测模型 · 时间同步 · 杆臂效应补偿 · 典型融合方案
GPS融合
09
视觉惯性里程计(VIO)
VINS-Mono框架 · 联合初始化 · 滑动窗口优化
VIOVINS
10
激光雷达/IMU融合
LOAM/LIO-SAM · 点云畸变去除 · 外参标定
LiDARSLAM
11
磁力计辅助
地磁场模型 · 硬铁/软铁校准 · 磁异常检测与融合
磁力计校准
12
气压计辅助
气压测高原理 · 温度补偿 · 垂直通道融合
气压计高度
13
轮速计辅助
轮式里程计模型 · NHC · 车辆运动学融合
轮速NHC
14
多传感器时空标定
时间戳对齐(硬件/软件) · 空间外参标定(手眼标定)
标定同步
15
轨迹精度评价指标
ATE · RPE · RMSE与标准差
评价指标
16
基准真值获取
RTK-GPS · Mocap · 仿真数据生成(Gym/GAZEBO)
真值仿真
17
开源数据集
EuRoC MAV · KITTI · TUM VI · KAIST Urban
数据集评测
18
评价工具
EVO工具(轨迹对齐/尺度恢复) · MATLAB导航工具箱
EVOMATLAB
19
实验设计
测试场景规划 · 数据采集规范 · 重复性与可复现性
实验规范
20
误差源分析
IMU噪声传播 · 积分漂移 · 传感器退化(光照/纹理/动态)
误差退化
21
滤波参数调优
过程噪声Q与观测噪声R整定 · 自适应滤波
调参自适应
22
回环检测与图优化
位姿图构建 · 回环约束 · 全局优化(g2o/Ceres)
回环图优化
23
退化场景处理
长隧道/地下车库/强磁干扰 · 零速修正(ZUPT)
退化ZUPT
24
实时性优化
多线程架构(前端/后端/IMU预积分) · 嵌入式部署(STM32/ARM)
实时嵌入式
25
案例实战1：GPS/IMU松耦合
基于EKF的定位系统搭建与精度验证
实战EKF
26
案例实战2：VINS-Mono评估
视觉惯性里程计精度评估与参数调优
VINS调优
27
案例实战3：LIO-SAM精度验证
激光雷达惯性SLAM精度验证与退化分析
LIO-SAM退化
28
案例实战4：多传感器融合
GPS+IMU+轮速计在自动驾驶场景下的精度验证
多源自动驾驶
29
前沿进展
深度学习IMU去噪 · 学习型VIO · 事件相机融合
前沿DL
30
课程总结
核心知识回顾 · 常见误区与避坑 · 未来方向与资源推荐
总结资源