首页
›
自动驾驶
›
027-定位算法
›
《GNSS定位漂移诊断与融合定位优化》
VIP20
本课程属于:027-定位算法
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
GNSS定位漂移诊断与融合定位优化
📚 共计 30 章节
01
漂移现象初探
什么是GPS漂移?漂移的直观表现与影响范围。
概念
入门
02
定位原理基础
GPS卫星定位基本原理、三边测量法、定位误差来源。
原理
必修
03
硬件因素分析
天线性能、芯片方案、射频干扰对定位精度的影响。
硬件
排查
04
环境因素分析
城市峡谷、室内、隧道、高架桥下的漂移成因。
环境
多路径
05
软件算法层面
滤波算法(卡尔曼滤波、粒子滤波)的作用与局限。
算法
滤波
06
NMEA协议解析
$GPGGA、$GPRMC等关键语句解读,如何从数据看漂移。
协议
调试
07
数据采集与日志
如何用Python/串口工具采集原始定位数据。
工具
Python
08
漂移量化指标
CEP、RMS、2DRMS等精度指标的计算与意义。
指标
评估
09
静态漂移诊断
设备静止时坐标跳变的根因排查。
诊断
静态
10
动态漂移诊断
运动轨迹异常(跳点、拖尾、偏移)的根因排查。
诊断
动态
11
多路径效应
信号反射、折射导致的假定位,如何识别与缓解。
多路径
干扰
12
星历与历书
卫星星历过期、历书不完整导致的定位偏差。
星历
偏差
13
DGNSS与RTK
差分定位技术如何消除公共误差,减少漂移。
差分
高精度
14
IMU辅助定位
加速度计+陀螺仪如何填补GPS信号盲区。
IMU
融合
15
传感器融合
GPS+IMU+里程计的多源融合策略。
融合
多传感器
16
软件修复策略
滑动窗口平均、中值滤波、低通滤波实战。
滤波
实战
17
卡尔曼滤波实战
用Python实现一维/二维卡尔曼滤波去噪。
卡尔曼
Python
18
地图匹配算法
将定位点约束到道路网络上,消除异常跳点。
地图
匹配
19
轨迹平滑技术
贝塞尔曲线、样条插值在轨迹后处理中的应用。
平滑
后处理
20
硬件排查清单
天线检查、馈线损耗、电源纹波对GPS模块的影响。
硬件
清单
21
固件与配置
GPS模块的更新率、波特率、输出语句配置优化。
固件
配置
22
测试环境搭建
如何搭建可复现的漂移测试场景(信号模拟器/室外固定点)。
测试
环境
23
自动化测试脚本
用Python编写漂移测试与报告生成工具。
自动化
Python
24
案例分析1:共享单车
共享单车定位漂移——从硬件到算法的全链路诊断。
案例
共享单车
25
案例分析2:无人机悬停
无人机悬停漂移——IMU与GPS融合调优实战。
案例
无人机
26
案例分析3:车载导航
车载导航隧道漂移——DR推算与地图匹配结合。
案例
车载
27
案例分析4:手持室内
手持设备室内漂移——WiFi/蓝牙辅助定位方案。
案例
室内
28
行业标准与认证
NMEA、RTCM、PPK、RTK标准简介。
标准
认证
29
预防性设计
产品设计阶段如何规避漂移问题(天线布局、屏蔽设计)。
设计
预防
30
综合实战:低漂移系统
从零搭建一个低漂移定位系统(硬件选型→算法部署→测试验证)。
综合
实战
所属VIP或分类
同VIP:GNSS与惯导融合定位系统建模
同VIP:二维三维坐标变换与工程实现
同VIP:传感器标定方法系统讲解