【中文配音】多伦多大学自动驾驶系列②状态估计：卡尔曼滤波到多传感器融合

名校课程-顶级中配

合集 · ROS2机器人-自动驾驶 (14)

  1. 5:05:23
    【中文配音】多伦多大学自动驾驶系列①导论：感知硬件到运动学一次学完
  2. 3:37:09
    【中文配音】多伦多大学自动驾驶系列③视觉感知：相机标定到检测分割
  3. 5:49:28
    【中文配音】56讲吃透ROS2机器人开发全流程
  4. 13:27:51
    【中文配音】ROS2具身智能开发，手把手实现机械臂与移动机器人的仿真
  5. 4:51:55
    【中文配音】别再被MoveIt 2劝退！手把手搞定ROS 2机械臂规划，ROS2 MoveIt 2机械臂控制
  6. 6:02
    【中文配音】ROS Orin ROS2 AI机器人套件，由ChatGPT驱动，支持激光雷达SLAM、3D视觉与自主导航
  7. 3:28:06
    【中文配音】多伦多大学自动驾驶系列②状态估计：卡尔曼滤波到多传感器融合
  8. 4:47:19
    【中文配音】多伦多大学自动驾驶系列④运动规划：行为决策到轨迹优化
  9. 8:35:04
    【中文配音】ROS2实战最强：真实机器人+仿真全流程
  10. 4:24:02
    【中英双语】具身智能ROS2机器人开发入门全攻略
  11. 3:12:38
    【中英双语】ROS2 Navigation零基础学起：概念对比+TurtleBot3演示+巡逻机器人项目
  12. 28:07:32
    【中文配音】蒙特利尔 Robot Learning 2025｜机器人基础模型与深度强化学习
  13. 2:41:03
    【中英双语】自动驾驶实战｜计算机视觉+NVIDIA端到端·模拟器到上路
  14. 16:11:20
    【中文配音】图宾根自动驾驶完整课｜Geiger·感知定位规划全链路

Parts

  1. P1 · [中文]01 欢迎进入自动驾驶专项
  2. P2 · [中文]02 欢迎学习本课
  3. P3 · [中文]03 认识讲师 Jonathan Kelly
  4. P4 · [中文]04 认识讲师 Steven Waslander
  5. P5 · [中文]05 认识 Diana：固件工程师
  6. P6 · [中文]06 认识 Winston：软件工程师
  7. P7 · [中文]07 认识 Andy：系统架构师
  8. P8 · [中文]08 认识 Paul Newman（Oxbotica）
  9. P9 · [中文]09 状态估计为什么重要
  10. P10 · [中文]10 最小二乘① 平方误差准则
  11. P11 · [中文]11 最小二乘② 方法续讲
  12. P12 · [中文]12 递归最小二乘
  13. P13 · [中文]13 最小二乘与最大似然
  14. P14 · [中文]14 线性卡尔曼滤波
  15. P15 · [中文]15 卡尔曼滤波与 BLUE
  16. P16 · [中文]16 扩展卡尔曼滤波 EKF
  17. P17 · [中文]17 误差状态 EKF
  18. P18 · [中文]18 EKF 的局限
  19. P19 · [中文]19 无迹卡尔曼滤波 UKF
  20. P20 · [中文]20 三维几何与参考系
  21. P21 · [中文]21 惯性测量单元 IMU
  22. P22 · [中文]22 全球导航卫星系统 GNSS
  23. P23 · [中文]23 为什么要做传感器融合
  24. P24 · [中文]24 激光雷达原理
  25. P25 · [中文]25 LIDAR 模型与点云
  26. P26 · [中文]26 从 LIDAR 估计位姿
  27. P27 · [中文]27 优化状态估计
  28. P28 · [中文]28 实践中的状态估计
  29. P29 · [中文]29 多传感器融合
  30. P30 · [中文]30 传感器标定
  31. P31 · [中文]31 丢失一个或多个传感器
  32. P32 · [中文]32 状态估计的挑战
  33. P33 · [中文]33 期末项目概览
  34. P34 · [中文]34 期末项目题解
  35. P35 · [中文]35 完课祝贺
Description 
多伦多大学自动驾驶系列②《状态估计与定位》完整中文配音｜接续①导论，后续③视觉④规划续更

📌 本期看点
· 最小二乘 / 递归最小二乘 / 最大似然：先把估计准则讲透
· 线性 KF → EKF → 误差状态 EKF → UKF：非线性定位主线一次串齐
· IMU / GNSS / 激光雷达：传感器模型 + 为何必须融合
· 多传感器融合、标定与传感器失效：把估计器落到实车上
· 期末项目：ES-EKF 融合 GPS/IMU/激光雷达完整解析

🧭 观看指南
共 35 讲中文配音，按课序排列（含导学与业界访谈）。本课是专项第二门；①导论已发，③视觉感知、④运动规划将按系列续更。

🎯 适合人群
已看过导论、想啃定位滤波与多传感器融合的转码/研一，或从控制/机器人转到无人车方向的同学。

持续更新海外名校硬核课程，点赞收藏关注三连，你的支持是更新的最大动力！