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

LiDAR/IMU/视觉SLAM融合定位

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 · 课程结构 · 融合定位的应用场景与挑战
课程导入学习目标
02
SLAM基础回顾
SLAM问题定义 · 坐标系 · 刚体变换
SLAM基础回顾
03
传感器原理与特性
LiDAR · IMU · 相机的工作原理
传感器原理特性
04
多传感器标定
LiDAR-IMU外参标定 · 相机-IMU标定 · LiDAR-相机标定及联合标定工具
多传感器标定LiDAR-IMU
05
点云处理基础
点云滤波 · 降采样 · 特征提取（FPFH
点云处理基础点云滤波
06
视觉特征与里程计
ORB · SIFT等特征提取 · 视觉里程计（VO）基本原理与实现
视觉特征里程计
07
IMU预积分与惯性导航
IMU测量模型 · 预积分理论 · 惯性导航解算与误差传播
IMU预积分
08
LiDAR里程计
基于特征的点云配准 · LOAM系列算法 · LiDAR里程计的实现与优化
LiDAR里程计
09
视觉惯性里程计（VIO）
MSCKF · VINS-Mono · ORB-SLAM3中的IMU融合方法
VIO视觉惯性里程计
10
LiDAR-惯性融合
LIO-SAM · LINS · FAST-LIO等紧耦合/松耦合方案…
LiDAR惯性融合
11
视觉-LiDAR融合
视觉与LiDAR的互补性 · 特征级融合 · 深度图与点云对齐
LiDAR视觉
12
多传感器融合理论
卡尔曼滤波 · 扩展卡尔曼滤波（EKF） · 无迹卡尔曼滤波（UKF）
多传感器融合理论卡尔曼滤波
13
因子图优化
图优化基础 · 因子图模型 · iSAM2
因子图优化图优化基础
14
紧耦合与松耦合
定义 · 优缺点 · 典型系统（如LIO-SAM紧耦合
紧耦合松耦合
15
回环检测与地图优化
基于视觉词袋 · LiDAR描述子（Scan Cont… · 图优化回环
回环检测地图优化
16
全局定位与重定位
基于先验地图的定位 · 蒙特卡洛定位 · 多传感器融合重定位
全局定位重定位
17
建图与表示
栅格地图 · 八叉树地图 · TSDF
建图表示
18
实战环境搭建
Ubuntu · ROS/ROS2 · PCL
实战环境搭建Ubuntu
19
数据集与评测
KITTI · EuRoC · M2DGR等数据集
数据集评测
20
实战项目一
基于LIO-SAM的LiDAR-IM…
实战项目一LIO-SAM
21
实战项目二
基于VINS-Mono的视觉-惯性融…
实战项目二VINS-Mono
22
实战项目三
LiDAR-视觉-IMU三传感器融合…
实战项目三LiDAR
23
融合定位中的时间同步
传感器时间戳对齐 · 硬件同步与软件同步方法
融合定位时间同步
24
融合定位中的鲁棒性
退化场景检测（隧道 · 走廊） · 异常值剔除
融合定位鲁棒性
25
融合定位的精度与性能评估
ATE · RPE · 实时性
融合定位的精度性能评估
26
常见问题与调试技巧
初始化失败 · 漂移过大 · 标定误差
常见问题调试技巧
27
深度学习与融合定位
端到端里程计 · 语义辅助定位 · 学习型特征
深度学习融合定位
28
多机器人与协同SLAM
分布式融合 · 地图共享 · 协同定位
SLAM多机器人
29
融合定位在自动驾驶与机器人中的应用
案例解析 · 工程化挑战
融合定位自动驾驶
30
课程总结与进阶方向
知识体系回顾 · 前沿趋势（如固态LiDAR · 事件相机）
课程总结进阶方向