所属分类：车载智能与自动驾驶 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

传感器融合与卡尔曼滤波实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
传感器基础
常见传感器类型（IMU · GPS · 摄像头
传感器基础IMU
03
坐标系与变换
世界坐标系 · 机体坐标系 · 传感器坐标系
坐标系变换
04
概率与统计基础
高斯分布 · 协方差矩阵 · 条件概率
概率统计基础
05
状态空间模型
连续与离散状态方程 · 观测方程 · 状态转移矩阵
状态空间模型连续
06
卡尔曼滤波原理
线性卡尔曼滤波的推导 · 预测与更新步骤 · 增益计算
卡尔曼滤波原理线性卡尔曼滤波的…
07
卡尔曼滤波实战
用Python实现一维和二维卡尔曼滤… · 处理简单位置估计问题
卡尔曼滤波实战Python
08
扩展卡尔曼滤波（EKF）
非线性系统线性化 · 雅可比矩阵 · EKF算法流程与实现
EKF扩展卡尔曼滤波
09
EKF实战
基于IMU和GPS的车辆定位 · 使用EKF融合数据
EKFIMU
10
无迹卡尔曼滤波（UKF）
UT变换 · Sigma点选取 · UKF算法流程与优缺点
UKF无迹卡尔曼滤波
11
UKF实战
非线性系统状态估计 · 如无人机姿态估计
UKF非线性系统状态估…
12
粒子滤波
蒙特卡洛方法 · 重要性采样 · 重采样
粒子滤波蒙特卡洛方法
13
粒子滤波实战
机器人定位（Monte Carlo…
粒子滤波实战Monte
14
传感器融合架构
松耦合与紧耦合 · 集中式与分布式融合 · 数据级与特征级融合
传感器融合架构松耦合
15
时间同步与数据对齐
多传感器时间戳处理 · 插值方法 · 延迟补偿
时间同步数据对齐
16
传感器校准
IMU零偏与尺度因子校准 · 相机内参外参标定 · 雷达与激光雷达标定
传感器校准IMU
17
多传感器融合实战
GPS/IMU融合（松耦合） · 实现车辆轨迹估计
多传感器融合实战GPS/IMU
18
视觉惯性融合
视觉里程计与IMU融合（VIO） · EKF或因子图方法
视觉惯性融合IMU
19
激光雷达与IMU融合
点云配准 · ICP · NDT
IMU激光雷达
20
卡尔曼滤波的工程实现
数值稳定性 · 矩阵求逆 · 协方差修正
卡尔曼滤波的工程…数值稳定性
21
自适应卡尔曼滤波
噪声协方差在线估计 · 自适应增益 · 多模型方法（IMM）
自适应卡尔曼滤波噪声协方差
22
信息滤波与平方根滤波
信息形式 · 平方根滤波原理 · 用于提高数值稳定性
信息滤波平方根滤波
23
图优化与因子图
因子图模型 · 非线性最小二乘 · 与卡尔曼滤波的关系
图优化因子图
24
组合导航系统
GNSS/INS组合导航 · 松耦合与紧耦合实现 · RTK与PPP
组合导航系统GNSS/INS
25
传感器融合在自动驾驶中的应用
多传感器目标跟踪 · 环境感知 · 融合定位
传感器融合自动驾驶
26
传感器融合在机器人中的应用
SLAM · 移动机器人定位 · 机械臂状态估计
传感器融合机器人
27
传感器融合在无人机中的应用
姿态估计 · 飞行控制 · 避障与导航
传感器融合无人机
28
常见问题与调试技巧
滤波器发散 · 参数调优 · 传感器故障检测
常见问题调试技巧
29
综合实战项目
设计一个多传感器融合系统（如轮式机器… · 从数据采集到融合算法实现与评估
综合实战项目设计一个多传感器…
30
课程总结与进阶方向
回顾核心知识 · 推荐学习资源 · 未来趋势（如深度学习与融合）
课程总结进阶方向