01
传感器标定基础
为什么需要标定？标定的核心概念与误差来源分析。
核心概念误差源
02
IMU工作原理
加速度计与陀螺仪的物理原理、测量模型与坐标系定义。
加速度计陀螺仪坐标系
03
IMU误差模型
零偏、尺度因子、交轴耦合、随机游走等误差参数详解。
零偏尺度因子随机游走
04
加速度计标定方法
六位置法标定原理与实操步骤。
六位置法实操
05
陀螺仪标定方法
角速率法标定原理与实操步骤。
角速率法标定
06
磁力计标定
硬铁与软铁干扰、椭圆拟合标定法。
硬铁软铁椭圆拟合
07
Allan方差分析
使用Allan方差识别IMU噪声类型（角度随机游走、速率随机游走、零偏不稳定性）。
Allan方差噪声识别
08
IMU温漂补偿
温度对IMU的影响、多项式拟合与查表补偿方法。
温漂多项式拟合查表
09
传感器数据预处理
低通滤波、滑动平均滤波、异常值剔除。
低通滤波滑动平均异常剔除
10
坐标系变换基础
欧拉角、旋转矩阵、四元数，以及它们之间的转换关系。
欧拉角旋转矩阵四元数
11
姿态解算入门
基于加速度计/磁力计的姿态初始对准（俯仰、横滚、偏航）。
初始对准俯仰横滚
12
姿态解算进阶：互补滤波
互补滤波原理与代码实现。
互补滤波代码实现
13
姿态解算进阶：Mahony滤波
Mahony滤波算法详解与实现。
Mahony滤波
14
姿态解算进阶：Madgwick滤波
Madgwick滤波算法详解与实现。
Madgwick姿态
15
卡尔曼滤波基础
状态空间模型、预测与更新步骤、协方差矩阵。
状态空间预测更新
16
扩展卡尔曼滤波（EKF）在IMU中的应用
非线性系统建模。
EKF非线性
17
EKF姿态估计实战
基于EKF的IMU姿态融合代码实现。
EKF姿态融合代码
18
视觉-惯性融合（VIO）入门
视觉SLAM与IMU的松耦合与紧耦合。
VIO松耦合紧耦合
19
多传感器时空标定
时间戳同步（硬件同步与软件同步）、空间外参标定。
时间同步外参标定
20
IMU与轮式里程计融合
二维平面定位中的航迹推算与滤波融合。
轮式里程计航迹推算
21
IMU与GPS融合：松耦合
松耦合组合导航（位置/速度修正）原理与实现。
松耦合GPS位置修正
22
IMU与GPS融合：紧耦合
紧耦合组合导航（伪距/伪距率修正）原理与实现。
紧耦合伪距导航
23
零速修正（ZUPT）技术
行人导航与车辆静止检测中的零速更新。
ZUPT静止检测行人导航
24
IMU安装误差标定
杆臂效应与安装角误差的补偿。
杆臂效应安装角
25
传感器标定工具链
使用Kalibr、imu_utils等开源工具进行标定。
Kalibrimu_utils开源
26
标定数据采集规范
数据采集的激励方式、时长、环境要求。
采集规范激励方式
27
标定结果评估
残差分析、重复性验证、与真值对比的精度评估。
残差分析重复性精度评估
28
联合调试实战（上）
搭建ROS环境，实现IMU数据采集、标定与可视化。
ROS数据采集可视化
29
联合调试实战（中）
编写标定程序，完成加速度计与陀螺仪的在线标定。
标定程序在线标定
30
联合调试实战（下）
完成IMU与视觉/里程计的融合定位，输出轨迹并评估误差。
融合定位轨迹评估