01
传感器融合概述
什么是多传感器融合、为什么需要融合、典型应用场景（自动驾驶、机器人、IoT）
基础概念
02
传感器基础与特性
常见传感器类型（IMU、GPS、摄像头、激光雷达、毫米波雷达）、误差模型与噪声特性
硬件误差
03
坐标系统与变换
世界坐标系、车身坐标系、传感器坐标系、欧拉角与四元数、坐标变换矩阵
数学坐标系
04
时间同步机制
硬件同步 vs 软件同步、时间戳管理、插值与外推方法、时钟漂移补偿
同步时钟
05
空间同步（标定）
传感器内参标定、外参标定（Camera-Lidar、Camera-IMU）、联合标定工具
标定空间
06
状态估计基础
概率论回顾、高斯分布、贝叶斯滤波、马尔可夫假设
概率滤波
07
卡尔曼滤波（KF）
线性系统模型、预测与更新步骤、卡尔曼增益、代码实现
KF经典
08
扩展卡尔曼滤波（EKF）
非线性系统线性化、雅可比矩阵、EKF在IMU+GPS融合中的应用
EKF非线性
09
无迹卡尔曼滤波（UKF）
UT变换、Sigma点选取、UKF vs EKF对比
UKF无迹
10
粒子滤波（PF）
蒙特卡洛方法、重要性采样、重采样、粒子滤波在定位中的应用
PF蒙特卡洛
11
信息滤波（IF）
信息矩阵与信息向量、IF与KF的对偶性、分布式信息滤波
IF分布式
12
多模型方法
交互式多模型（IMM）、多假设跟踪（MHT）、变结构多模型
IMMMHT
13
数据关联技术
最近邻（NN）、全局最近邻（GNN）、联合概率数据关联（JPDA）、多假设跟踪（MHT）
关联JPDA
14
航迹管理
航迹起始、航迹维持、航迹终止、航迹质量评分
航迹管理
15
融合架构
集中式融合、分布式融合、混合式融合、层级式融合
架构系统
16
决策级融合
D-S证据理论、贝叶斯决策、投票机制、模糊逻辑融合
决策D-S
17
特征级融合
特征提取与选择、主成分分析（PCA）、典型相关分析（CCA）
特征PCA
18
数据级融合
直接数据拼接、加权平均、协方差交叉（CI）融合
数据CI
19
异步融合算法
异步卡尔曼滤波、缓存与对齐策略、多速率融合
异步多速率
20
故障检测与隔离
残差分析、卡方检验、一致性检验、传感器故障诊断
故障诊断
21
传感器管理
传感器调度、资源分配、信息论驱动的传感器选择
调度资源
22
融合性能评估
均方根误差（RMSE）、一致性评估、NEES/NIS指标、Cramér-Rao下界
评估指标
23
ROS机器人融合框架
ROS基础、robot_localization包、EKF/UKF配置实战
ROS实战
24
自动驾驶融合案例
Lidar+Radar+Camera目标融合、多目标跟踪、路径规划中的融合
自动驾驶融合
25
无人机融合案例
IMU+GPS+视觉融合、VIO（视觉惯性里程计）、室内外无缝定位
无人机VIO
26
工业IoT融合案例
温度+湿度+振动多传感器监测、异常检测与预测维护
IoT预测
27
深度学习与融合
端到端融合、注意力机制融合、图神经网络融合
深度学习注意力
28
开源融合库介绍
OpenFusion、SSF（Sensor Fusion Framework）、Apollo融合模块
开源库
29
融合系统设计实践
需求分析、传感器选型、架构设计、接口定义、测试验证
设计实践
30
未来趋势与挑战
多模态融合、联邦学习与隐私保护、边缘融合、标准化进展
趋势挑战