一、数学
二、计算机
1. 编程
1.1 C/C++
1.2 Python
Python扩展库
https://www.lfd.uci.edu/~gohlke/pythonlibs/https://www.lfd.uci.edu/~gohlke/pythonlibs/
2. 计算机组成原理
3. 计算机网络
4. 计算机操作系统
5. 算法和数据结构
Algorithms, 4th Edition by Robert Sedgewick and Kevin Wayne
https://algs4.cs.princeton.edu/home/
6. 数据库
7.其他
三、人工智能
1. 机器学习
2.深度学习
2.1 吴恩达深度学习笔记
极客Array - 简书https://www.jianshu.com/u/a2db4e6aa91f
3.其他
四、移动机器人基础
1.机器人位姿基础
2.自主移动机器人课程
五、SLAM (同步定位和建图技术,移动机器人感知环境领域)
1.激光SLAM
2.视觉SLAM
牛人和实验室
autolochttp://webdiis.unizar.es/~neira/slam.html
2.1 视觉里程计 (VO)
文科升_CSDN博客视觉/OpenCVhttps://blog.csdn.net/moyu123456789/article/list/2?t=1
2.2 视觉SLAM
2.3 ORB-SLAM系列分析和讲解
ORB-SLAM(四)追踪 - 路游侠 - 博客园最近在读ORB-SLAM的代码,虽然代码注释算比较多了,但各种类和变量互相引用,看起来有点痛苦。索性总结了一下Tracking部分的代码结构,希望能抓住主要思路,不掉坑里。 作者的程序分为两种模式:Shttps://www.cnblogs.com/luyb/p/5357790.html从零开始跑ORB_SLAM2(一) 前期准备与环境配置_小小的手心-CSDN博客前期准备工作环境:PC:i5-8265U 8GRAM 核显 弟弟CPU相机:Intel-Realsense D435环境:Ubuntu16.04 LTS+ ROS Kinect如何安装Ubuntu16.04:/*****/在Ubuntu18.04下踩过的一些坑(废话太长不看)安装pcl库一开始选择了官方预编译版本,报错后找了教程说需要修改source.list,但是普通用户下该文...
https://blog.csdn.net/weixin_41732319/article/details/101232873?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase一步步带你看懂orbslam2源码--总体框架(一)_Mr.Sliver的博客-CSDN博客引言 谈谈SLAM技术,其实更准确地说来应该是SLAM框架.距今为止,SLAM其实已经发展了近30多年的历史,其理论框架已经大体成熟与定型,基本上都是分为前端视觉里程计,后端基于滤波或者非线性优化,回环检测以及建图等.该技术属于底层技术,主要是服务于上层应用的需求,目前的应用点有移动机器人,自动驾驶,无人机,AR,VR等. SLAM从构建地图的种类进行划分,有稀疏地图,半稠密地图...
https://blog.csdn.net/qq_37708045/article/details/101751343TODO:完成ORBSLAM2的坑--添加地图保存和加载模块SaveMap/LoadMap或者是实时点云图到八叉树地图转换_站在巨人的肩膀上coding-CSDN博客//TODO//先开个博客,提醒自己。有时间来弄的时候整理,来写代码贴几篇有用的参考博客:[1]泡泡机器人注释过的代码https://gitee.com/paopaoslam/ORB-SLAM2/blob/master/include/System.h[2]针对TUM数据集增加地图保存功能:https://www.cnblogs.com/mafuqiang/p/6972342.html[3]针对T...
https://blog.csdn.net/LOVE1055259415/article/details/79911500?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecaseORB-SLAM2: 注释版,Ubuntu/Windows
https://gitee.com/paopaoslam/ORB-SLAM2ORB SLAM2 地图的保存与加载 (我决定将代码开源)_司马由缰的博客-CSDN博客ORB SLAM2 真是个神奇的算法。他开源了,但是各种不实用。这大概就是学术和工作的区别吧。人家毕竟花了一整个博士阶段去开发这个算法,我们还是应该心存感激。实验室里用的相机是ZED的双目相机,所以为了这个相机,我做了自己的双目相机数据包和接口,发现实时SLAM速度在i7处理器的条件下也就只能跑5~6Hz左右,这还不考虑做闭环的时间。显然,对于一个正在快速运动的机器人来说,实时的SLAM并不实...
https://blog.csdn.net/qq_34254510/article/details/79969046
2.4 语义SLAM
SemanticSLAM.aihttps://nikosuenderhauf.github.io/semanticslam.ai/quadricslam.htmlSemantic SLAM 文章收集 - 技术刘截至目前 Semantic SLAM (注意不是 Semantic Mapping)工作还比较初步,可能很多思路还没有打开,但可以预见未来几年工作会越来越多。语义 SLAM 的难点在于怎样设计误差函数,将 Deep Learning 的检测或者分割结果作为一个观测,融入 SLAM 的优化问题中一起联合优化,同时还要尽可能做到至少 GPU 实时。 这一篇博客我将尽力收集一些有代表性的文章,提供下载和简单思路的理解,但个人精力、能力有限也欢迎大家随… Read More »
http://www.liuxiao.org/2018/08/semantic-slam-%E6%96%87%E7%AB%A0%E6%94%B6%E9%9B%86/
2.5 深度学习和slam
2.6 三维重建 (SFM)
3. SLAM后端优化
六、移动机器人路径规划
七、卡尔曼滤波及变种、粒子滤波等滤波方法
1.卡尔曼滤波
1.1 卡尔曼滤波技术手册(英文网站 )Kalman Filter Tutorial :Kalman Filter Tutorialhttps://www.kalmanfilter.net/default.aspx
1.2 卡尔曼滤波知乎网友解析
2.扩展卡尔曼滤波 (EKF)
3.无迹卡尔曼滤波 (UKF)
4. 粒子滤波 (PF)
4.1 粒子滤波用于移动机器人定位
机器人粒子滤波定位(蒙特卡罗定位) - XXX已失联 - 博客园机器人定位问题 General schematic for mobile robot localization 以下面的两幅图a、b为例,对移动机器人定位问题进行说明。假如机器人从一个已知的位置开始运https://www.cnblogs.com/21207-iHome/p/5237701.html开发者说|手把手教你用粒子滤波实现无人车定位
https://baijiahao.baidu.com/s?id=1672348784167720074&wfr=spider&for=pcRobotics: Estimation and Learning | Coursera
https://www.coursera.org/learn/robotics-learning[PR-2] PF 粒子滤波/蒙特卡罗定位 - 知乎Probabilistic Robotics《概率机器人》(PR)是一本非常经典的介绍移动机器人技术的书;但是这本书主要注重理论,而对于实现只给出了伪代码;在PR系列文章中,我根据自己的理解,对其中的一些方法进行了复现。 本文…
https://zhuanlan.zhihu.com/p/43523632
4.2
八、图像处理
1.
2.
3. 图像的几何变换
10. OpenCV
OpenCV: ORB (Oriented FAST and Rotated BRIEF)https://docs.opencv.org/3.4/d1/d89/tutorial_py_orb.html
11. OpenCV-Python教程
九、计算机视觉 (CV)
卡耐基梅隆大学计算机视觉课程
16-385 Computer Vision, Spring 2020http://www.cs.cmu.edu/~16385/Pose Estimation - Computer Vision and Learning Lab Heidelberg
https://hci.iwr.uni-heidelberg.de/vislearn/research/scene-understanding/pose-estimation/
1. 物体分类 (image classification)
2. 目标检测 (object detection)
3. 文本检测和识别
文字识别方法整理 - 知乎文字识别也是目前CV的主要研究方向之一。本文主要总结目前文字识别方向相关内容,包括单独文字识别以及结合文字检测和文字识别的端到端的文字识别。希望这篇文章能够帮助各位。 对于文字识别,实际中一般首先需要…
https://zhuanlan.zhihu.com/p/65707543
4. 目标跟踪
4.1 目标跟踪的原理和说明 (object tracking)