01
课程导论与预备知识
点云与IMU融合定位的应用场景（自动驾驶、机器人、AR/VR）、课程整体大纲介绍、所需数学基础（四元数、李群李代数、卡尔曼滤波简介）、所需编程基础（C++、ROS、Eigen、PCL库）。
导论预备
02
传感器基础（上）
3D激光雷达工作原理（机械式、固态）、点云数据格式（PCD、BIN）、IMU工作原理（加速度计、陀螺仪）、IMU测量模型与噪声特性。
LiDARIMU
03
传感器基础（下）
IMU预积分理论推导（离散时间、连续时间）、IMU预积分的代码实现（基于C++/Eigen）、坐标系定义与转换（IMU系、雷达系、世界系）。
预积分坐标系
04
点云预处理（上）
点云滤波（体素滤波、直通滤波、统计滤波）、点云降采样（VoxelGrid、Farthest Point Sampling）、代码实战。
滤波降采样
05
点云预处理（下）
点云特征提取（FPFH、SHOT、PointNet++简述）、点云配准基础（ICP、NDT）、代码实战。
特征配准
06
状态估计基础
贝叶斯滤波、卡尔曼滤波（KF）推导、扩展卡尔曼滤波（EKF）推导、EKF在定位中的应用实例。
卡尔曼EKF
07
基于滤波的融合定位（上）
松耦合EKF框架设计、状态向量定义（位置、速度、姿态、IMU偏置）、预测模型（IMU运动学方程）、代码实战。
松耦合EKF
08
基于滤波的融合定位（下）
观测模型（点云配准结果作为观测）、EKF更新步骤、协方差管理、代码实战与结果分析。
观测更新
09
基于图优化的融合定位（上）
图优化理论基础（因子图、节点、边）、g2o/gtsam库简介、构建融合定位的因子图。
图优化因子图
10
基于图优化的融合定位（下）
IMU预积分因子、点云配准因子、边缘化与滑动窗口、代码实战（基于GTSAM）。
GTSAM滑动窗口
11
点云配准与IMU紧耦合（上）
紧耦合思想与优势、联合优化目标函数构建、残差定义（点云残差+IMU残差）。
紧耦合残差
12
点云配准与IMU紧耦合（下）
迭代求解（高斯牛顿、LM）、代码实战（基于Ceres Solver）、性能对比（松耦合 vs 紧耦合）。
Ceres对比
13
初始化与回环检测
系统初始化（静止初始化、动态初始化）、回环检测原理（Scan-to-Scan、Scan-to-Map）、回环约束添加。
初始化回环
14
实战项目一：基于EKF的松耦合定位系统（上）
系统架构设计、数据读取与同步（ROS Bag）、IMU预积分节点实现。
项目ROS
15
实战项目一：基于EKF的松耦合定位系统（下）
点云配准节点实现、EKF核心节点实现、轨迹评估（evo工具）、结果可视化。
evo可视化
16
实战项目二：基于图优化的紧耦合定位系统（上）
系统架构设计、因子图构建、IMU预积分因子实现。
图优化因子
17
实战项目二：基于图优化的紧耦合定位系统（下）
点云配准因子实现、优化求解与轨迹输出、与松耦合系统对比分析。
对比紧耦合
18
实战项目三：基于LIO-SAM的复现与解析（上）
LIO-SAM系统框架精讲、关键模块代码走读（ImageProjection、FeatureExtraction）。
LIO-SAM框架
19
实战项目三：基于LIO-SAM的复现与解析（下）
关键模块代码走读（IMUPreintegration、MapOptimization）、参数调优与实车测试。
调优实车
20
实战项目四：基于FAST-LIO2的复现与解析（上）
FAST-LIO2核心思想（ikd-tree、紧耦合迭代卡尔曼）、系统框架精讲。
FAST-LIO2ikd-tree
21
实战项目四：基于FAST-LIO2的复现与解析（下）
关键模块代码走读（ikd-tree、状态估计器）、参数调优与性能分析。
性能调优
22
多传感器时空标定（上）
激光雷达与IMU外参标定原理、标定方法（基于运动、基于互信息）、开源工具（lidar_align、Kalibr）。
标定外参
23
多传感器时空标定（下）
时间同步原理（硬件同步、软件同步）、实战：使用lidar_align进行外参标定、标定结果验证。
时间同步lidar_align
24
定位性能评估与调试
评估指标（ATE、RPE、相对误差）、使用evo工具进行轨迹评估、常见问题与调试技巧（IMU饱和、点云退化）。
评估调试
25
高级话题：多传感器融合与学习
多传感器融合（Lidar+IMU+GPS+轮速计）、基于学习的定位方法（LIO-SAM变体、DeepLIO）、语义辅助定位。
多源融合学习
26
工程化与部署（上）
代码优化（内存管理、多线程加速）、ROS2迁移指南、嵌入式平台部署（NVIDIA Jetson、ARM）。
工程化ROS2
27
工程化与部署（下）
实时性保障策略、日志系统设计、参数服务器设计、Docker部署。
实时Docker
28
行业应用案例解析
自动驾驶中的定位方案（Apollo、Autoware）、AGV/AMR中的定位方案、无人机中的定位方案。
行业案例
29
前沿趋势与展望
基于神经隐式表示的定位（NeRF、3D Gaussian Splatting）、无图定位、端到端定位。
前沿NeRF
30
课程总结与进阶路线
核心知识点回顾、推荐论文清单（经典+前沿）、开源项目推荐、学习路径规划。
总结进阶