Der mathematisch beste Weg verschiedene Sensordaten (und Fehler dieser Daten) zu "fusionieren" ist der Kalman-Filter. An der ETH mit ihren "Drohnen" haben sie genau diese Art von Problemen; es gibt dort sogar 4 Sensoren: Luftdruck, GPS, Ultraschall und Inertialsensoren und das ganze dann noch zum Teil 3-dimensional und nichtlinear.
Vorlesung 1
Vorlesung 2

Das GPS liefert eine Fehlerabschätzung mit, beim Barometer kann man das ganz gut abschätzen, beim Höhenmodell ist es wohl auch irgendwie möglich. Bei der indirekten Variante braucht man auch keine Bewegungsgleichungen zu berücksichtigen.

Für das Trackaufzeichnen beim Fahrradfahren könnte man schon die barometrische Höhe, GPS-Höhe und Höhenmodell entsprechend fusionieren, wird aber dann schon sehr mathematisch.