VIP20

本课程属于：022-IMU融合 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

IMU融合定位与高精地图匹配工程实践

📚 共计 30 章节

IMU基础与坐标系

IMU工作原理、加速度计与陀螺仪模型、常用坐标系（IMU系、车体系、导航系）定义与转换。

坐标系传感器

IMU误差模型与标定

确定性误差与随机误差、Allan方差分析、六面法标定与温漂补偿。

标定误差分析

惯性导航解算（INS）

姿态更新（四元数/旋转矩阵）、速度更新、位置更新、圆锥效应与划桨效应补偿。

INS姿态解算

卡尔曼滤波基础

状态空间模型、线性卡尔曼滤波（KF）推导、扩展卡尔曼滤波（EKF）原理。

IMU与轮速计融合

轮速计模型、航位推算（DR）、松耦合EKF融合、零速修正（ZUPT）。

IMU与GPS融合

GPS定位原理、松耦合与紧耦合架构、基于EKF的GPS/INS组合导航。

GPS组合导航

高精地图基础

高精地图定义与要素（车道线、路沿、交通标志）、常见格式（OpenDRIVE, NDS）。

点云配准基础

ICP算法原理与变体（Point-to-Plane, GICP）、NDT算法原理。

激光雷达与IMU融合（LIO）

LOAM框架介绍、LIO-SAM中的因子图优化、IMU预积分原理。

基于高精地图的定位

地图匹配概念、基于ICP/NDT的定位、基于粒子滤波的定位。

地图匹配粒子滤波

多传感器时空标定

时间戳同步（硬件/软件）、激光雷达与IMU外参标定、相机与IMU外参标定。

状态估计与图优化

图优化基础（节点与边）、g2o/Ceres库使用、滑动窗口滤波。

因子图与iSAM

因子图模型、贝叶斯网络与因子图转换、iSAM1/iSAM2增量式优化。

代码架构解析、IMU预积分因子、激光里程计因子、GPS因子、回环检测因子。

FAST-LIO2实战

直接法点云配准、ikd-tree数据结构、紧耦合EKF框架。

FAST-LIO2ikd-tree

多传感器融合定位框架

卡尔曼滤波 vs 因子图对比、松耦合 vs 紧耦合对比、典型开源框架（MSCKF, VINS-Mono）。

回环检测与全局优化

基于Scan Context的回环检测、位姿图优化、全局一致地图构建。

回环检测位姿图

语义地图与定位

语义要素提取（车道线、杆状物）、语义ICP匹配、语义辅助的定位。

GNSS-RTK与IMU深耦合

RTK定位原理、周跳探测、深耦合滤波器设计。

车辆运动学模型

自行车模型、阿克曼模型、运动约束在滤波中的应用。

运动学约束

场景理解与定位退化

退化场景分析（隧道、地下车库）、退化检测指标、鲁棒定位策略。

多源融合定位系统设计

系统架构设计、传感器选型、通信中间件（ROS2）。

系统设计ROS2

定位性能评估

绝对轨迹误差（ATE）、相对轨迹误差（RTE）、实时性测试与调优。

基于学习的定位方法

深度学习特征匹配、端到端定位、IMU降噪网络。

深度学习降噪

VIO与视觉定位

视觉前端（特征点/光流）、VINS-Mono框架、视觉与IMU紧耦合。

组合导航中的完好性监测

故障检测与排除（FDE）、保护水平计算、ARAIM。

高精地图更新与众包

地图变化检测、众包更新策略、OTA地图更新。

车路协同定位

V2X定位原理、路侧感知辅助定位、协同融合框架。

功能安全与冗余设计

ASIL等级、定位系统冗余架构、降级策略。

功能安全冗余

综合项目实战

基于真实数据集（KITTI, NCLT）搭建完整定位系统、性能调优与结果分析。