所属分类：航空航天无人机 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

传感器融合算法在地面站的实现

📚 共计 30 章节

01

课程导论与预备知识

传感器融合概述 · 地面站系统架构 · 坐标系与姿态表示 · Python科学计算环境

欧拉角四元数NumPy

02

惯性测量单元(IMU)基础

加速度计与陀螺仪 · 数据预处理 · 加速度计标定方法

去偏置去噪标定

03

磁力计与GPS基础

磁力计校准 · NMEA解析 · GPS定位误差分析

NMEA误差分析校准

04

卡尔曼滤波入门

状态空间模型 · 五大核心公式 · 一维Python实现

状态空间预测更新

05

扩展卡尔曼滤波(EKF)

非线性系统线性化 · EKF算法 · IMU+GPS融合定位

雅可比融合Python

06

无迹卡尔曼滤波(UKF)

UT变换 · UKF流程 · 与EKF性能对比

Sigma点UT对比

07

粒子滤波(PF)

蒙特卡洛 · 重要性采样 · 重采样 · Python可视化

粒子重采样可视化

08

互补滤波算法

互补滤波原理 · Mahony · Madgwick姿态解算

MahonyMadgwick姿态

09

多传感器时间同步

硬件触发 · 软件时间戳 · ROS Time Synchronizer

同步ROS时间戳

10

传感器数据预处理

异常值检测(3σ/IQR) · 滑动窗口 · 滤波器设计

3σIQR低通

11

坐标系转换与对齐

ECEF · LLA · ENU · 转换矩阵实现

ECEFENULLA

12

姿态解算基础

DCM · 四元数运动学 · 龙格-库塔法

DCM四元数RK4

13

视觉-惯性融合(VIO)基础

视觉里程计 · IMU预积分 · VIO框架

VIO预积分视觉

14

激光雷达-惯性融合(LIO)基础

点云特征 · IMU畸变校正 · LIO框架

LIO点云畸变校正

15

地面站通信协议

MAVLink · 串口/UDP/TCP · 组包与解析

MAVLink串口UDP

16

实时数据可视化

Matplotlib · PyQtGraph · 3D轨迹(Plotly/Mayavi)

实时PyQtGraph3D

17

多传感器数据录制与回放

ROS Bag · 自定义格式 · 离线回放调试

Bag录制回放

18

传感器故障检测与隔离

卡方检验 · 残差分析 · 多模型故障诊断

卡方残差隔离

19

自适应滤波算法

自适应卡尔曼 · 渐消记忆 · 噪声协方差在线估计

AKF渐消在线估计

20

联邦卡尔曼滤波

联邦架构 · 信息分配 · 容错融合

联邦容错信息融合

21

图优化与因子图

图优化概念 · 因子图构建 · iSAM2简介

因子图iSAM2图优化

22

基于C++的传感器融合加速

Eigen库 · pybind11 · 实时性优化

Eigenpybind11加速

23

地面站软件架构设计

模块化 · 生产者-消费者 · 多线程/进程

架构多线程数据流

24

融合算法性能评估

RMSE · NEES/NIS · 蒙特卡洛仿真

RMSENEES蒙特卡洛

25

实际案例：无人机室内定位

UWB+IMU · 视觉标签 · 地面站实时监控

UWB室内无人机

26

实际案例：无人车室外导航

RTK-GPS+IMU+轮速计 · 车道级定位 · 路径规划

RTK无人车车道级

27

实际案例：机器人手臂姿态估计

IMU+磁力计 · 末端跟踪 · 地面站调试界面

机械臂姿态磁力计

28

融合算法在ROS2中的实现

ROS2节点 · TF树 · 功能包封装

ROS2TF功能包

29

项目实战：多传感器融合定位地面站

需求分析 · 系统设计 · 编码 · 集成测试

实战全流程地面站

30

课程总结与前沿展望

发展趋势 · 学习资源 · 开源项目介绍

前沿资源开源