资源介绍：

多传感器融合已成为自动驾驶及机器人的主流定位方案，涉及内容广泛且繁杂，包括传感器的标定、数据处理、SLAM、滤波等。自学入门难度比较大，通过本课程不仅能够入门最困难的传感器IMU，为后续深入学习打下坚实基础，并且可以学习到3D Lidar SLAM的前沿成果。在ROS框架下，从零开始，亲手搭建前端-回环检测-基于滤波-基于图优化的融合定位解决方案。课程中所讲的无论是基于滤波的还是基于优化的方法，都可以很好的运用在实际工作中，分析新加入的传感器的模型及融合思路，帮助实现新传感器的融合定位，同时捋清了优化框架的实现方法

课程目录

• 第八章_传感器时空标定
• 传感器时空标定
• 第二章_点云地图构建及基于地图的定位
• 第1节_内容回顾
• 任务11 内容回顾
• 第2节_回环检测及代码实现
• 任务12 回环检测
• 第3节_后端优化与点云地图构建
• 任务13 后端优化与点云地图构建
• 第4节_基于点云地图的定位
• 任务14 基于点云地图的定位
• 第5节_作业代码讲解
• 任务15 作业代码讲解
• 第六章_基于图优化的融合方法
• 第1节 基于预积分的融合方案流程
• 任务42 基于预积分的融合方案流程
• 第2节 预积分模型推导
• 任务43 预积分模型推导
• 第3节 典型方案介绍
• 任务44 典型方案介绍
• 第4节 融合编码器的优化方案
• 任务45 融合编码器的优化方案
• 第5节 作业
• 任务46 作业
• 第七章_基于图优化的地图定位
• 第1节 流程介绍
• 基于图优化的流程介绍
• 第2节 边缘化原理及应用
• 边缘化原理及应用
• 第3节 基于KITTI的原理实现
• 基于KITTI的原理实现
• 第4节 LIO-mapping
• lio-mapping
• 第5节 作业
• 作业讲解
• 第三章_惯性导航原理及误差分析
• 第1节 惯性技术简介
• 任务18 惯性技术简介
• 第2节 IMU误差分析及处理
• 任务19 惯性器件误差分析
• 第3节 内参标定
• 任务20 惯性器件内参标定
• 第4节 IMU温补
• 任务21 惯性器件温补
• 第5节 惯性导航解算方法
• 任务22 惯性导航解算
• 第6节 惯性导航误差模型
• 任务23 惯性导航误差分析
• 第四章_基于滤波的融合方法
• 第1节 概率基础知识
• 任务29 概率基础知识
• 第2节 滤波器基本原理
• 任务30 滤波器基本原理
• 第3节 基于滤波器的融合实现
• 任务31 基于滤波器的融合
• 第4节 基于KITTI数据集的融合实现
• 任务32 观测性与观测度分析
• 第五章_基于滤波的融合方法进阶
• 第1节 融合编码器和融合约束的滤波方法
• 任务35 融合编码器和融合运动约束的滤波方法
• 第2节 组合导航的常见现象解释
• 任务36 组合导航常见现象解释
• 第3节 融合磁力计和融合点云特征的滤波方法
• 任务37 融合磁力计和融合点云特征的滤波方法
• 第一章_3D激光里程计
• 第1节_课程导读
• 任务1-1 课程概述
• 任务1-2 激光雷达工作原理及应用
• 第2节_里程计方案 ICP&NDT理论讲解
• 任务3-1 前端里程计-ICP
• 任务3-2 前端里程计-NDT
• 第3节_里程计方案及代码讲解
• 任务4 前端里程计LOAM系列
• 第4节_数据集及其精度评价方法
• 任务5 数据集实现及精度评价方法
• 第5节_LOAM代码讲解
• 任务6 LOAM代码部分讲解
• 第6节_LeAM-LOAM代码讲解
• 任务7 LeAM-LOAM代码讲解