SLAM 入门学习

本文将主要推荐SLAM的入门视频、文章、书籍。

自己动手编程需要学习大量的先决知识。首先你要会C和C++，网上很多代码还用了11标准的C++。第二要会用Linux。第三要会 cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西之后，你才能真正上手编一个SLAM系统。如果你要跑实际机器人，还要会ROS。

从SLAM诞生开始科学家们就一直在解决这个问题。最初， 我们用Kalman滤波器，直到21世纪初，卡尔曼滤波器仍在SLAM系统占据最主要的地 位，Davison经典的单目SLAM就是用EKF做的。但是后来，出现了基于图优化的SLAM方法，渐渐有取而代之的地位。

21世纪之后，SLAM研究者开始借鉴SfM（Structure from Motion）问题中的方法，把捆集优化（Bundle Adjustment）引入到SLAM中来。优化方法和滤波器方法有根本上的不同。它并不是一个迭代的过程，而是考虑过去所有帧中的信息。通过优化，把误差平均分到每一次观测当中。在SLAM中的Bundle Adjustment常常以图的形式给出，所以研究者亦称之为图优化方法（Graph Optimization）。图优化可以直观地表示优化问题，可利用稀疏代数进行快速的求解，表达回环也十分的方便，因而成为现今视觉SLAM中主流的优化方法。

 4. SLAM简介 （一个SLAM系统分为四个模块（除去传感器数据读取）：VO、后端、建图、回环检测。）

 5. SLAM的前世今生 终于有人说清楚了

6.接下来推荐两本SLAM的入门书籍：SLAM for Dummies；STATE ESTIMATION FOR ROBOTICS

1. 视觉SLAM的基础知识-高翔-16年
2. 高翔SLAM理论与实践公开课-18年（强烈推荐高翔博士的这两个视频，通过这两个视频你会对SLAM有一个大概的了解。引用高翔博士视频里面的一句话“SLAM is more like a concept than a single algorithm”）
3. 关于SLAM （通过学习该文章可以得到如下总结）