首页
›
智能汽车与新能源汽车工程
›
062-自动驾驶多源融合定位与量产验证
›
《融合定位鲁棒性与失效降级工程》
VIP11
本课程属于:062-自动驾驶多源融合定位与量产验证
智能汽车与新能源汽车工程 · 共 11 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
定位漂移鲁棒性解决方案实战
📚 共计 30 章节
01
漂移问题概述
GPS定位原理简介 · 什么是定位漂移 · 城市峡谷/隧道/高架桥下场景
基础
场景
02
数据预处理基础
WGS84/GCJ02/BD09坐标 · 坐标转换实战 · 异常值剔除
坐标
清洗
03
卡尔曼滤波入门
状态空间模型 · 预测与更新 · 一维Python实现
滤波
Python
04
扩展卡尔曼滤波
非线性系统 · 雅可比矩阵 · GPS/IMU融合应用
EKF
融合
05
粒子滤波基础
蒙特卡洛 · 重要性采样 · 重采样 · Python实现
粒子滤波
采样
06
地图匹配算法
点到线匹配 · HMM匹配 · 基于路网实时纠偏
地图
HMM
07
轨迹平滑技术
滑动窗口平均 · Savitzky-Golay · 三次样条插值
平滑
插值
08
多传感器融合
IMU/陀螺仪/加速度计 · 松/紧耦合 · 时间同步
传感器
融合
09
异常检测与降噪
3σ原则 · DBSCAN · 小波降噪
异常
降噪
10
实时纠偏系统设计
系统架构 · 数据流管道 · 延迟与精度权衡
架构
实时
11
Python地理空间库
Shapely · GeoPandas · Folium · pyproj
GIS
可视化
12
高精度地图数据
OpenStreetMap · 路网拓扑 · PostGIS存储
地图
数据库
13
车辆运动模型
恒定速度(CV) · 恒定加速度(CA) · 恒定转弯率(CTRV)
运动模型
预测
14
GNSS/RTK定位
差分GPS · RTK精度分析 · 基站与移动站通信
RTK
高精度
15
视觉辅助定位
视觉里程计(VO) · VIO · 特征点匹配与位姿估计
视觉
SLAM
16
LiDAR定位
点云配准(ICP/NDT) · LiDAR+GPS · 高精地图辅助
LiDAR
点云
17
深度学习去噪
LSTM轨迹预测 · 自编码器降噪 · GAN轨迹生成
深度学习
生成
18
性能评估指标
RMSE · 最大误差 · 圆概率误差(CEP) · 轨迹完整性
评估
指标
19
测试数据集构建
真实采集 · 仿真生成 · 数据标注与验证
数据集
仿真
20
边缘计算部署
树莓派/Jetson · 模型量化剪枝 · 实时性优化
边缘
嵌入式
21
云端定位服务
Flask/FastAPI后端 · 高并发 · 定位存储与查询
云端
API
22
隐私与安全
位置脱敏 · 差分隐私 · HTTPS/MQTT安全通信
隐私
安全
23
行业案例1:自动驾驶
定位漂移解决方案 · 多传感器冗余
案例
自动驾驶
24
行业案例2:无人机精准降落
抗漂移策略 · 视觉/RTK融合
案例
无人机
25
行业案例3:手机导航APP
室内外无缝定位 · 手机传感器融合
案例
手机
26
行业案例4:物流车辆监控
轨迹监控与纠偏 · 电子围栏
案例
物流
27
行业案例5:共享单车电子围栏
漂移问题 · 围栏判定优化
案例
共享单车
28
综合实战1:实时GPS漂移矫正
数据采集 → 矫正 → 可视化全流程
实战
系统
29
综合实战2:IMU/GPS融合定位
基于卡尔曼滤波的融合系统
实战
IMU
30
课程总结与未来展望
多源融合 · 6G定位 · AI+定位方向
总结
趋势
所属VIP或分类
同VIP:GNSS-LiDAR-IMU融合定位工程
同VIP:多传感器融合定位系统工程
同VIP:多源融合定位误差建模与鲁棒优化工程