1. 课程导入与飞行器导航需求
当一架无人机在楼宇间穿行、一架eVTOL在城市峡谷中执行低空物流、或一枚巡飞弹在无卫星信号环境下飞向目标时，飞控系统必须持续回答三个问题：我在哪里、我朝哪个方向、我运动得多快。这就是导航要解决的核心问题。单一传感器往往无法在所有场景下稳定回答这三个问题，于是视觉惯性组合导航成为当前飞行器自主导航的主流技术路线之一。
所谓视觉惯性组合导航，是指以惯性测量单元（IMU）提供高频角速度与加速度信息，以相机提供环境视觉观测，通过状态估计器（如扩展卡尔曼滤波EKF或滑动窗口优化）将两者融合，输出飞行器位姿、速度与零偏估计的技术体系。IMU包含陀螺仪与加速度计，典型消费级MEMS IMU输出频率为100～1000 Hz，短期精度高但零偏会随时间漂移；相机典型输出频率为20～60 Hz，能提供长期稳定的环境约束，但单帧图像无法直接给出尺度与速度。两者在频域与误差特性上高度互补，这正是组合的根本价值。
为了更直观地理解这一互补关系，下图给出了视觉惯性组合导航的典型信号链与信息流：IMU与相机作为两类独立观测源，经时间同步与标定后进入融合估计器，最终输出位姿、速度与零偏，并反馈用于状态预测与零偏校正。
从应用场景看，视觉惯性组合导航主要服务于三类飞行器任务。第一类是室内与拒止环境无人机，例如仓库巡检、管道检查，GNSS信号被建筑遮挡，视觉惯性成为唯一可行的自主导航手段。第二类是城市低空物流与eVTOL，城市峡谷中GNSS多路径误差可达数米，视觉惯性可提供分米级局部定位。第三类是巡飞弹与小型无人作战平台，在强电磁干扰或GNSS欺骗环境下，视觉惯性可维持中段导航精度。这些场景的共同需求是：不依赖外部基础设施、输出频率高、长期漂移可控。
本课程的学习地图按“基础—核心—进阶—实战”四层展开。基础层包括坐标系定义、IMU误差模型、相机成像模型与标定；核心层包括视觉里程计、IMU预积分、EKF与优化融合框架；进阶层包括回环检测、全局一致性与多传感器融合；实战层包括数据集验证、嵌入式部署与飞行测试。每一层都围绕一个可运行的系统展开，而不是孤立地讲算法。
| 层级 | 关键内容 | 典型输出 |
|---|---|---|
| 基础层 | 坐标系、IMU误差模型、相机模型与标定 | 标定参数表、误差曲线 |
| 核心层 | 视觉里程计、IMU预积分、EKF/优化融合 | 位姿轨迹、零偏估计 |
| 进阶层 | 回环检测、全局一致性、多传感器融合 | 全局地图、闭环轨迹 |
| 实战层 | 数据集验证、嵌入式部署、飞行测试 | 实时系统、飞行日志 |
在学习方法上，建议始终围绕“观测—预测—更新—反馈”这条主线理解每个模块。例如，当IMU零偏估计不准时，视觉观测会通过更新步骤修正零偏，而修正后的零偏又反馈到下一时刻的预测中。理解这条闭环，比单独记忆某个公式更重要。后续章节将逐步展开这条主线上的每一个环节。