01
课程导论与硬件选型
为什么需要多传感器融合？主流传感器（激光雷达、摄像头、IMU、毫米波雷达）特性对比与选型指南。
导论选型
02
ROS2基础与环境搭建
ROS2 Humble安装、工作空间创建、节点与话题通信机制、launch文件编写。
ROS2环境
03
传感器驱动与数据采集
使用ROS2驱动激光雷达（如RPLIDAR）、摄像头（USB Camera）、IMU（BMI088），实现数据可视化。
驱动采集
04
坐标变换基础
TF2库详解、静态与动态坐标变换、传感器外参标定原理（手眼标定）。
TF2标定
05
激光雷达SLAM建图
GMapping与Cartographer原理对比、基于ROS2的建图实战、地图保存与加载。
SLAM建图
06
视觉SLAM与ORB-SLAM3
特征点提取与匹配、ORB-SLAM3在ROS2中的部署、单目/双目/RGB-D模式对比。
视觉SLAMORB
07
IMU惯性导航原理
加速度计与陀螺仪模型、姿态解算（Mahony/Madgwick滤波）、零偏校准实战。
IMU姿态
08
多传感器时间同步
硬件同步（PPS/GPS）与软件同步（时间戳对齐）、message_filters精确同步策略。
同步时间
09
卡尔曼滤波基础
状态空间模型、标准卡尔曼滤波推导、一维与多维实例（Python实现）。
卡尔曼滤波
10
扩展卡尔曼滤波（EKF）
非线性系统线性化、EKF在IMU+GPS融合中的应用、协方差调参技巧。
EKF融合
11
无迹卡尔曼滤波（UKF）
UT变换原理、UKF与EKF性能对比、在机器人定位中的实战。
UKF无迹
12
粒子滤波与蒙特卡洛定位
重要性采样、重采样策略、AMCL算法原理与ROS2实现。
粒子滤波AMCL
13
传感器融合框架设计
松耦合与紧耦合架构对比、中心式与分布式融合策略、ROS2节点架构设计。
架构融合
14
激光雷达+IMU融合定位
LIO-SAM原理剖析、因子图优化、基于ROS2的LIO-SAM部署与调优。
LIO-SAM因子图
15
视觉+IMU融合定位（VINS）
VINS-Mono/Fusion原理、视觉惯性对齐、初始化与回环检测。
VINS视觉惯性
16
激光雷达+视觉融合
目标检测与语义分割、点云与图像投影融合、BEV感知方案简介。
融合感知BEV
17
多传感器标定实战
使用标定板进行相机-激光雷达联合标定、IMU-相机标定（Kalibr工具）。
标定Kalibr
18
点云处理与特征提取
PCL库基础、体素滤波、RANSAC平面分割、点云配准（ICP与NDT）。
PCL点云
19
图像处理与特征提取
OpenCV基础、特征点（SIFT/SURF/ORB）、光流法、深度学习特征提取。
OpenCV特征
20
深度学习在融合中的应用
目标检测（YOLOv8）、语义分割（DeepLabV3+）、多模态特征融合网络。
YOLOv8多模态
21
路径规划与导航
全局路径规划（A*、Dijkstra）、局部路径规划（DWA、TEB）、代价地图构建。
规划导航
22
控制算法与执行
PID控制原理与调参、MPC模型预测控制、阿克曼与差速模型控制。
控制MPC
23
仿真环境搭建
Gazebo与Ignition仿真、传感器仿真插件、多机器人协同仿真。
仿真Gazebo
24
数据集制作与评估
使用ROS2 bag录制数据、Evo工具评估轨迹精度、融合算法性能指标。
数据集Evo
25
嵌入式平台部署
Jetson Orin/NX环境配置、TensorRT加速、边缘端实时推理。
JetsonTensorRT
26
多机器人协同融合
分布式传感器共享、协同SLAM、编队控制基础。
协同编队
27
室外大场景融合
GPS+IMU+激光雷达融合、RTK定位、高精地图构建。
GPSRTK
28
安全与冗余设计
传感器故障检测、降级策略、安全冗余架构（投票机制）。
安全冗余
29
项目实战：室内巡检机器人
需求分析、传感器选型、融合算法集成、系统联调与测试。
巡检实战
30
项目实战：自动驾驶小巴
多传感器融合感知、规划与控制、实车路测与优化。
自动驾驶小巴