01
传感器融合概述
什么是传感器融合？为什么规划调试需要它？核心概念与挑战。
基础概念
02
坐标系与时空同步
全局坐标系、局部坐标系、时间戳对齐与插值方法。
坐标同步
03
卡尔曼滤波基础
状态空间模型、预测与更新步骤、一维卡尔曼滤波实现。
滤波KF
04
扩展卡尔曼滤波 (EKF)
非线性系统处理、雅可比矩阵、EKF在定位中的应用。
EKF非线性
05
无迹卡尔曼滤波 (UKF)
无迹变换、Sigma点选取、UKF与EKF对比。
UKF无迹
06
粒子滤波
蒙特卡洛方法、重要性采样、重采样、粒子滤波在全局定位中的应用。
粒子蒙特卡洛
07
多传感器融合架构
松耦合与紧耦合、前融合与后融合、典型架构对比。
架构耦合
08
GPS与IMU融合
GPS/INS组合导航原理、松耦合实现、紧耦合实现。
GPSIMU
09
激光雷达与IMU融合
LIO-SAM框架解析、点云畸变去除、因子图优化。
LiDARLIO
10
视觉与IMU融合
VINS-Mono框架、视觉惯性对齐、滑动窗口优化。
VINS视觉
11
激光雷达与视觉融合
BEV感知、点云与图像投影、目标级融合。
BEV融合
12
毫米波雷达与视觉融合
雷达特性、目标关联、空间对齐与融合策略。
毫米波关联
13
传感器故障检测与诊断
残差分析、卡方检验、一致性检查。
故障诊断
14
数据关联与匹配
最近邻、联合概率数据关联（JPDA）、多假设跟踪（MHT）。
关联JPDA
15
航迹管理
航迹起始、维持、消亡、航迹ID管理。
航迹管理
16
不确定性估计
协方差传播、置信度评估、融合权重动态调整。
不确定性协方差
17
时间延迟补偿
传感器延迟模型、运动补偿、外推与内插。
延迟补偿
18
传感器标定基础
内参标定、外参标定、手眼标定。
标定内参
19
激光雷达与相机联合标定
目标提取、角点检测、非线性优化求解。
LiDAR相机
20
IMU与相机标定
Kalibr工具使用、imu-camera时间偏移估计。
KalibrIMU
21
多传感器标定
多传感器外参联合优化、标定场设计。
联合标定外参
22
规划调试中的数据流
ROS Bag回放、数据可视化、rqt工具链。
ROS调试
23
融合结果评估指标
RMSE、ATE、RPE、NIS、一致性检验。
评估指标
24
基于场景的调试方法
城市道路、高速公路、隧道、停车场场景。
场景调试
25
融合参数调优
噪声矩阵调参、滤波器参数整定、经验法则。
调优参数
26
实时性与性能优化
多线程融合、SIMD加速、嵌入式部署考量。
性能实时
27
仿真环境搭建
CARLA、Gazebo、传感器模型、真值生成。
仿真CARLA
28
融合算法测试框架
单元测试、集成测试、回归测试、数据驱动测试。
测试框架
29
实际案例：园区无人车融合调试
园区无人车传感器融合调试全过程。
案例实战
30
前沿趋势与总结
学习型融合、端到端融合、课程总结与展望。
前沿总结