VIP20

本课程属于：018-高精地图 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

定位漂移与感知融合联动分析

📚 共计 30 章节

定位漂移的定义、感知融合的概念、两者联动的必要性、课程目标与学习路径。

定位技术基础

GNSS定位原理、惯性导航系统(INS)基础、轮速里程计原理、视觉定位(VO)简介。

定位漂移成因分析

GNSS多路径效应与遮挡、INS积分误差累积、轮速计打滑与标定误差、视觉特征丢失与光照影响。

误差多路径

感知融合基础

卡尔曼滤波(KF)原理、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、粒子滤波(PF)简介。

多传感器时空对齐

时间戳同步机制、空间坐标系转换(欧拉角/四元数)、外参标定基础。

GNSS+INS松耦合融合

松耦合架构设计、EKF状态方程构建、观测方程设计、实战代码解析。

GNSS+INS紧耦合融合

紧耦合架构优势、原始观测值融合、模糊度固定与漂移抑制、实战案例。

视觉惯性里程计(VIO)

VIO系统架构、IMU预积分理论、滑动窗口优化、边缘化策略。

激光雷达惯性里程计(LIO)

点云配准(ICP/NDT)、LIO系统设计、回环检测与图优化。

多传感器融合框架(MSF)

通用融合框架设计、传感器故障检测与隔离、自适应权重分配。

MSF故障检测

定位漂移的在线检测

残差分析、卡方检验法、一致性检查、置信度评估指标。

漂移补偿策略

零速修正(ZUPT)、运动约束辅助、地图匹配约束、路标辅助修正。

ZUPT地图匹配

感知融合中的不确定性建模

协方差矩阵传播、噪声自适应估计、鲁棒核函数应用。

不确定性鲁棒

场景驱动的融合策略

城市峡谷场景、隧道与地下停车场、高速与郊区、恶劣天气场景。

场景自适应

深度学习在定位融合中的应用

端到端定位网络、学习型特征匹配、语义辅助定位。

深度学习语义

传感器标定实战

IMU内参标定、相机-IMU联合标定、激光雷达-相机标定、在线标定技术。

标定IMU相机

数据预处理与滤波

原始数据清洗、异常值剔除、低通滤波与去噪、数据降采样策略。

预处理滤波

状态估计与平滑

批处理平滑、固定滞后平滑、增量式平滑与建图(iSAM2)。

因子图优化理论

因子图模型构建、贝叶斯网络与因子图转换、非线性最小二乘求解。

因子图优化

基于因子图的融合定位

GNSS因子、IMU预积分因子、视觉重投影因子、激光雷达因子。

因子图融合

高精地图辅助定位

HD地图要素、地图匹配定位、语义地图融合、众包地图更新。

车路协同定位

V2X通信基础、路侧感知辅助、协同定位算法、延迟补偿策略。

定位系统性能评估

精度指标(ATE/RPE)、鲁棒性测试、实时性分析、标准化测试流程。

故障诊断与安全策略

传感器故障模式、系统降级策略、功能安全(ISO 26262)考量。

安全ISO 26262

开源框架实践

RTKLIB解析、VINS-Mono/ORB-SLAM3、LIO-SAM、Apollo定位模块。

开源VINSApollo

嵌入式平台部署

ARM平台优化、NEON指令集加速、内存管理技巧、实时操作系统适配。

嵌入式ARMNEON

多源融合定位趋势

5G定位技术、UWB辅助定位、地磁定位、机会信号导航。

案例研究1：自动驾驶城市道路

定位漂移与融合方案，城市复杂场景实战分析。

案例自动驾驶

案例研究2：无人机GPS拒止环境

视觉惯性融合定位，无GPS环境下的自主导航。

课程总结与展望

核心技术回顾、行业发展趋势、进阶学习路径、项目实战建议。