室内+室外激光SLAM关键算法、代码和实战剖析正式开课(cartographer+LOAM+ LIO-SAM)-CSDN博客

应用背景介绍

高精地图作为自动驾驶的眼睛，在自动驾驶研发中占据极大的份额，而激光SLAM则是高精地图定位导航算法的关键技术，其重要性不言而喻，在AI产品如矿卡、汽车、清扫车和扫地机器人等领域都占据一席之地。在没有激光SLAM的日子，对于机器人的控制只能以人主观为准，辅以遥控控制；而激光SLAM技术的出现彻底解决了机器人研究领域中“我在哪儿”的问题，使机器人在未知环境中的自主移动成为可能，并且随着激光雷达价格的下降，越来越多的行业头部公司都选择将其作为感知模块的主要传感器，同时辅以视觉和毫米波雷达，以期实现完全无人化的自动驾驶，因此也就出现重金招聘相关算法优秀工程技术人员，下面是某招聘网上对激光SLAM岗位的要求及待遇：

激光SLAM由于建图定位精度高，受环境影响较小的特点，在室内定位与自动驾驶领域越来越受到青睐，其中gmapping与cartographer发展成熟，建图精准，LOAM系列最新开源框架LIO-SAM更是将GPS数据接入算法，在室外建图定位方面取得了里程碑式的进步。

室内建图定位效果图

室外建图定位效果图

如何快速入门到精通

现有激光SLAM算法框架繁杂，应用场景多样，即便如此，在具体项目中也不能直接应用，针对具体的应用场景，需要对算法框架和参数进行一定的调整。因此，读懂各种激光SLAM框架就显得尤其重要了。然而，在研人员大都不是科班出身，数学和编程能力弱，因此，如何深入浅出的对室内室外各种场景下的激光SLAM算法做到融会贯通是本课程的重点内容。为此，3D视觉工坊推出了面向工业级实战类的激光SLAM学习课程《面向室内室外的激光SLAM关键算法与实现》，主讲忆枫，某军工企业特种无人车辆主任算法工程师，拥有5年激光SLAM算法理论和工程实践经验，将从室内室外两种应用场景，结合四种激光SLAM框架讲解，助力小白快速有效入门激光SLAM，成功斩获各个大厂offer。

本课程结合理论和实践两大部分：理论部分将全面介绍激光SLAM的基础知识与其帧间匹配、回环检测和后端优化方法；实践部分将以室内室外两个经典场景从gmapping,cartographer,loam和LIO-SAM四个经典框架的激光SLAM方法入手，着重讲解LIO-SAM框架，刨析源代码让学员真正理解相关算法的实现。最后将从工程落地的角度，带学员逐渐掌握激光SLAM方法在室内外场景中的应用。注意：实践部分将提供所有实现代码和数据！

课程大纲