第01章
课程导论：为什么需要IMU+LiDAR融合？
IMU和LiDAR各自的优缺点，融合的核心思想与典型应用场景（自动驾驶、机器人）。
概览融合动机
第02章
IMU基础（上）
加速度计与陀螺仪的工作原理，测量模型与误差来源（零偏、噪声、尺度因子）。
加速度计陀螺仪
第03章
IMU基础（下）
IMU坐标系定义（载体坐标系、导航坐标系），姿态表示方法（欧拉角、旋转矩阵、四元数）。
坐标系姿态
第04章
IMU运动学模型
IMU离散运动学方程，位置、速度、姿态的递推更新（PVQ积分）。
PVQ递推
第05章
IMU误差模型与标定
Allan方差分析，六面法标定，温漂补偿策略。
标定Allan方差
第06章
LiDAR基础（上）
机械式、固态式（MEMS、Flash、OPA）LiDAR的工作原理与点云特性。
机械式固态
第07章
LiDAR基础（下）
点云数据结构（PCL、ROS消息），坐标系定义，点云预处理（滤波、降采样）。
PCL预处理
第08章
LiDAR里程计（LO）
基于ICP的点云配准，点到点、点到面、点到线的残差构建。
ICP残差
第09章
LiDAR里程计进阶
NDT配准，特征提取（角点、平面点），基于特征的LO（LOAM思想）。
NDTLOAM
第10章
IMU预积分理论（上）
为什么需要预积分？连续时间下的IMU运动学与预积分公式推导。
预积分连续时间
第11章
IMU预积分理论（下）
离散时间下的预积分实现，预积分量的更新与协方差传递。
离散时间协方差
第12章
因子图优化基础
图优化SLAM核心思想，节点与边，信息矩阵，非线性最小二乘求解（高斯-牛顿、LM）。
因子图LM
第13章
LIO-SAM框架解析（上）
系统整体架构，因子图定义（IMU预积分因子、LiDAR里程计因子、GPS因子、回环因子）。
LIO-SAM因子图
第14章
LIO-SAM框架解析（下）
关键帧选取策略，滑窗优化，边缘化与Schur补。
滑窗边缘化
第15章
LIO-SAM代码实战（上）
环境配置（ROS、GTSAM、PCL），数据读取与预处理模块。
ROSGTSAM
第16章
LIO-SAM代码实战（中）
IMU预积分模块实现，特征提取与scan-to-map匹配。
预积分scan-to-map
第17章
LIO-SAM代码实战（下）
因子图构建与优化，位姿发布与地图更新。
因子图地图更新
第18章
FAST-LIO2原理
基于ESKF的紧耦合框架，ikd-tree数据结构，增量式状态更新。
ESKFikd-tree
第19章
FAST-LIO2代码实战
核心代码解读，ESKF更新流程，ikd-tree操作。
代码实战ESKF
第20章
点云畸变去除
运动畸变产生原因，基于IMU的畸变去除方法（线性插值、旋转补偿）。
畸变去除IMU补偿
第21章
多传感器时空标定
LiDAR与IMU的外参标定（手眼标定法、基于互信息的标定），时间戳同步与延时估计。
外参标定时间同步
第22章
回环检测与图优化
基于Scan Context的回环检测，位姿图优化，全局一致性维护。
回环检测位姿图
第23章
融合系统评估指标
轨迹误差（ATE、RPE），相对精度与绝对精度，开源数据集（KITTI、M2DGR）。
ATEKITTI
第24章
工程化实践（上）
嵌入式平台部署（NVIDIA Jetson、ARM），实时性优化策略（多线程、NEON指令集）。
JetsonNEON
第25章
工程化实践（下）
异常处理（IMU饱和、LiDAR遮挡），初始化与故障恢复策略。
异常处理故障恢复
第26章
多传感器融合扩展
LiDAR+IMU+GPS融合，LiDAR+IMU+视觉融合（LVIO）简介。
GPSLVIO
第27章
前沿趋势
基于学习的LiDAR里程计（DeepLO），端到端融合网络，神经隐式表示（NeRF）在SLAM中的应用。
DeepLONeRF
第28章
综合实战项目（一）
搭建自己的LIO系统，从零开始编写一个轻量级LIO。
轻量级LIO实战
第29章
综合实战项目（二）
在公开数据集上跑通并调优，分析失败案例。
调优失败分析
第30章
课程总结与展望
核心知识点回顾，常见面试题解析，推荐论文与开源项目。
面试题论文推荐