VIP20

本课程属于：005-SLAM建图 机器人系统 · 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

传感器接入与多源数据融合实战

📚 共计 30 章节

传感器基础与选型

传感器分类、关键性能指标（精度、分辨率、量程）、选型方法论与实战案例。

模拟传感器接口

运算放大器基础、信号调理电路（滤波、放大）、ADC选型与驱动（ADS1115）。

数字传感器接口（I2C）

I2C协议详解、时序分析、基于STM32的温湿度传感器（SHT30）驱动开发。

数字传感器接口（SPI）

SPI协议详解、四种模式、基于ESP32的加速度计（MPU6050）数据读取。

数字传感器接口（UART）

UART协议与RS232/RS485、GPS模块（NEO-6M）数据解析、Modbus协议入门。

无线传感器接入

蓝牙BLE（HM-10）连接与数据传输、WiFi（ESP8266）传感器数据上云。

传感器数据预处理

异常值检测（3σ准则、IQR）、缺失值处理（插值、删除）、数据平滑（移动平均、中值滤波）。

时间序列基础

时间戳对齐、重采样、滑动窗口特征提取。

多源数据融合概述

融合层次（数据级、特征级、决策级）、融合架构（集中式、分布式、混合式）。

数据级融合

加权平均法、算术平均法、基于最小二乘法的融合。

加权最小二乘

特征级融合

主成分分析（PCA）降维融合、典型相关分析（CCA）融合。

决策级融合

贝叶斯推理融合、D-S证据理论融合、投票法融合。

卡尔曼滤波基础

状态空间模型、预测与更新方程、一维卡尔曼滤波实现（Python）。

扩展卡尔曼滤波（EKF）

非线性系统处理、雅可比矩阵、IMU姿态估计应用。

无迹卡尔曼滤波（UKF）

无迹变换、Sigma点选取、与EKF对比分析。

蒙特卡洛方法、重要性采样、重采样、机器人定位应用。

粒子滤波定位

多传感器融合定位

GPS+IMU融合（松耦合/紧耦合）、视觉+IMU融合简介。

分布式融合

平均共识算法、一致性卡尔曼滤波、无线传感器网络应用。

共识分布式

异构数据融合

图像+激光雷达（LiDAR）融合、雷达+摄像头融合目标检测。

深度学习融合基础

多层感知机（MLP）融合、卷积神经网络（CNN）特征融合。

注意力机制融合

自注意力、跨模态注意力、Transformer在融合中的应用。

注意力Transformer

图神经网络融合

图构建、图卷积网络（GCN）用于传感器关系建模。

联邦学习融合

联邦平均算法、隐私保护下的多节点数据融合。

融合系统评估

性能指标（RMSE、MAE、精度、召回率）、交叉验证、Ablation Study。

实时融合系统设计

RTOS任务调度、数据缓冲区设计、时间同步机制。

边缘计算融合

边缘节点部署、模型压缩（量化、剪枝）、TensorRT部署。

开源框架实践

ROS2机器人操作系统、传感器消息类型、TF坐标变换。

综合项目一：智能环境监测站

温度、湿度、气压、PM2.5、风速融合。

环境监测站

综合项目二：自动驾驶多传感器融合

摄像头、激光雷达、毫米波雷达、GPS/IMU融合。

自动驾驶多传感器

综合项目三：工业设备预测性维护

振动、温度、电流、声学传感器融合。

预测维护工业