01
课程导论
多传感器融合建图避障概述、应用场景、课程目标与学习路径
导论全景
02
传感器基础
激光雷达(LiDAR)原理与选型、IMU惯性测量单元、轮式里程计、相机
LiDARIMU相机
03
坐标系与变换
世界坐标系、机器人坐标系、传感器坐标系、欧拉角与四元数、TF变换
坐标四元数
04
传感器标定
激光雷达-IMU外参标定、相机-激光雷达联合标定、轮式里程计标定
标定外参
05
数据预处理
点云滤波(体素滤波、直通滤波、半径滤波)、IMU去噪与积分、时间戳同步
滤波同步
06
占据栅格地图原理
概率栅格地图、反演模型、bresenham射线追踪算法
栅格射线
07
2D激光SLAM
Gmapping算法原理、Hector SLAM、Cartographer前端匹配
2D SLAMGmapping
08
3D激光SLAM
LOAM框架、特征提取(角点、平面点)、scan-to-scan匹配
3D SLAMLOAM
09
图优化SLAM
图论基础、位姿图构建、非线性最小二乘求解(g2o/Ceres)
图优化g2o
10
IMU预积分
IMU运动模型、预积分理论、协方差传递、与激光雷达紧耦合
预积分紧耦合
11
多传感器融合框架
松耦合 vs 紧耦合、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)
EKFUKF
12
因子图优化
贝叶斯网络与因子图、iSAM2增量式求解、在SLAM中的应用
因子图iSAM2
13
激光-惯性SLAM(LIO-SAM)
系统架构、关键帧选取、回环检测与位姿图优化
LIO-SAM紧耦合
14
视觉-惯性SLAM(VINS-Mono)
视觉前端、IMU预积分、滑动窗口优化
VINS滑动窗口
15
激光-视觉-惯性融合
多模态特征关联、统一优化框架、鲁棒性提升策略
多模态融合
16
回环检测
Scan Context描述子、基于ICP的回环校正、图优化回环
回环Scan Context
17
全局定位
蒙特卡洛定位(MCL)、自适应蒙特卡洛定位(AMCL)、重定位技术
MCLAMCL
18
动态障碍物处理
动态点云移除、基于栅格的动态检测、运动物体跟踪
动态跟踪
19
局部避障算法
动态窗口法(DWA)、时间弹性带(TEB)、模型预测控制(MPC)
DWATEBMPC
20
全局路径规划
A*算法、Dijkstra、RRT与RRT*、混合A*
A*RRT混合A*
21
代价地图
分层代价地图、障碍物层、膨胀层、静态地图层、规划代价计算
代价地图膨胀层
22
行为规划
有限状态机(FSM)、决策树、基于行为的避障策略
FSM决策树
23
ROS2导航栈
Nav2架构、行为树导航、生命周期节点、插件化实现
Nav2行为树
24
仿真环境搭建
Gazebo仿真、传感器仿真插件、自定义仿真场景
Gazebo仿真
25
数据集与评测
KITTI数据集、EuRoC数据集、evo评测工具、ATE/RPE指标
KITTIevo
26
嵌入式部署
ARM平台优化、NEON指令加速、模型量化与轻量化
ARMNEON
27
多机器人协同
分布式SLAM、共享地图、协同避障策略
多机器人协同
28
工程实践
代码规范、日志系统、参数服务器、可视化调试(Rviz)
工程Rviz
29
项目实战
室内巡检机器人建图避障系统、室外无人车导航系统
实战巡检
30
前沿与展望
NeRF-SLAM、端到端学习、3D高斯溅射、未来趋势
NeRF3D高斯