本文的多传感器融合是建立在读懂《Quaternionkinematicsfortheerror-stateKalman?lter》基础上的，是一种相机和IMU融合的理论，里面讲解了IMU的误差状态运动方程构建。误差状态四元数，是有开源的程序的，但是它是集成在rtslam里面的，不方便提取出来使用。但还有另外一个开源的程序，ETH的MSF，可以比较方便地用在自己的工程里面，并且它的理论与误差状态四元数很接近，稍微有点不同，所以MSF开源程序就成了一个不错的选择。所以本人研究了ETH的两篇文章：《VisionBasedNavigationforMicroHelicopters》和《ARobusta

多传感器融合处理，课件记录。

Sensor fusion and tracking users guide.pdf

GNSS-INS-SIM GNSS-INS-SIM是GNSS / INS模拟项目，它生成参考轨迹，IMU传感器输出，GPS输出，里程表输出和磁力计输出。 用户选择/设置传感器模型，定义航路点并提供算法， gnss-ins-sim可以为算法生成所需的数据，运行算法，绘制仿真结果，保存仿真结果并生成简短摘要。 内容 要求 Numpy（版本> 1.10） Matplotlib 演示版 我们提供以下演示以展示如何使用此工具： 文件名 描述 demo_no_algo.py 没有用户指定的算法，可以生成数据，将生成的数据保存到文件并绘制（2D / 3D）感兴趣的数据的演示。 demo_allan.py Allan陀螺仪和加速度计数据分析演示。 产生的艾伦偏差如图所示。 demo_free_integration.py 一个简单捷联系统的演示。 模拟运行1000次。 生成了1000个仿真

全球无人驾驶格局及技术方案比较 多传感器融合的基本原理和算法 基于多传感器前融合的L4技术方案解析 Roadstar.ai如何加速落地和商业化

ST官方MotionFX库的使用手册

基于多传感器融合的移动机器人SLAM，李金良，孙友霞，针对移动机器人同时定位与地图创建（SLAM）系统在复杂特殊环境中应用时，单一传感器存在漏检且难以解决数据关联的问题，在多维匹��

基于多传感器融合的车载酒精检测系统设计.pdf

环境感知系统在智能汽车中的应用有望提高道路交通的安全性。众所周知的环境感知传感器有雷达，激光或视觉传感器等，它们能够使汽车检测路上的威胁，预计出现危险的驾驶情况并采取主动行为避免碰撞。除了汽车传感器系统中的多传感器融合，复杂的信号处理和传感器数据融合策略对整个系统的可用性和稳定性具有非常重要的意义。在本文中，我们考虑原始传感器的数据融合（低层次）和预处理测量点（高层次）的数据融合方法。我们对传感器配置、道路交通情景、数据融合样式和信号处理算法进行建模研究并且通过离散事件模拟将传感器数据对结合到不同抽象层次上的多传感器系统进行性能研究。

研究生系列教材，多传感器信息融合及其应用，杨万海