01
定位技术概述
为什么需要高精度定位？GNSS/IMU/轮速计/视觉/激光雷达定位原理简介。
概论传感器
02
坐标系与时空基准
WGS84、UTM、ENU、车体坐标系、时间同步基础。
坐标时空
03
GNSS定位原理
伪距定位、载波相位定位、RTK/PPK技术、多路径效应。
卫星RTK
04
IMU惯性导航
加速度计与陀螺仪原理、捷联惯导解算、IMU误差模型。
IMU惯导
05
轮速计与车辆运动学
阿克曼模型、两轮差速模型、轮速脉冲处理。
轮速运动学
06
卡尔曼滤波基础
状态空间模型、预测与更新、KF公式推导。
滤波KF
07
扩展卡尔曼滤波
非线性系统线性化、EKF在定位中的应用。
EKF非线性
08
无迹卡尔曼滤波
UT变换、Sigma点选取、UKF与EKF对比。
UKF无迹
09
粒子滤波
重要性采样、重采样、PF在全局定位中的应用。
粒子PF
10
误差状态卡尔曼滤波
ESKF原理、IMU预积分、流形上的状态更新。
ESKF预积分
11
多传感器时空标定
时间戳对齐、外参标定（Camera-IMU、LiDAR-IMU）。
标定外参
12
松耦合融合
GNSS+IMU松耦合架构、位置/速度融合。
松耦合GNSS
13
紧耦合融合
GNSS+IMU紧耦合架构、原始观测值融合。
紧耦合原始观测
14
视觉里程计
特征点法、光流法、PnP求解、BA优化。
视觉VO
15
视觉惯性里程计
VINS-Mono框架、预积分与边缘化。
VINSVIO
16
激光里程计
ICP、NDT配准、LOAM框架。
激光LOAM
17
激光惯性里程计
LIO-SAM框架、因子图优化。
LIO因子图
18
多传感器融合框架
图优化基础、g2o/Ceres使用、滑动窗口。
图优化g2o
19
全局定位与重定位
基于先验地图的定位、Scan-to-Map匹配。
重定位地图
20
语义定位
语义地图构建、语义特征匹配、端到端定位。
语义端到端
21
场景识别与闭环检测
DBoW2、NetVLAD、几何验证。
闭环场景识别
22
高精地图与定位
HD Map要素、车道线/杆状物匹配定位。
高精地图HD
23
车辆状态估计
车辆动力学模型、轮胎力估计、侧偏角估计。
状态估计动力学
24
完好性监测
RAIM、保护水平计算、故障检测与排除。
完好性RAIM
25
多传感器融合实战（一）
数据采集与预处理、传感器驱动。
实战数据
26
多传感器融合实战（二）
基于EKF的GNSS+IMU融合代码实现。
EKF代码
27
多传感器融合实战（三）
基于图优化的LIO-SAM代码解读。
LIO-SAM图优化
28
多传感器融合实战（四）
VINS-Fusion代码解读与调试。
VINS调试
29
定位系统评估
EVO工具使用、ATE/RPE指标、轨迹对齐。
评估EVO
30
前沿趋势与挑战
5G定位、UWB、毫米波雷达定位、AI+定位。
前沿5G