谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

最新推荐文章于 2024-03-17 01:48:15 发布

计算机视觉life

最新推荐文章于 2024-03-17 01:48:15 发布

阅读量985

点赞数 1

分类专栏：计算机视觉视觉SLAM SLAM 文章标签： slam 计算机视觉

本文链接：https://blog.csdn.net/electech6/article/details/122547930

版权

计算机视觉同时被 3 个专栏收录

122 篇文章 214 订阅

订阅专栏

视觉SLAM

89 篇文章 80 订阅

订阅专栏

SLAM

43 篇文章 16 订阅

订阅专栏

原文链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

前言

一年前，我在公众号“从零开始搭SLAM”里看到了一系列高质量的原创文章，这些文章都是号主李想利用业余时间创作完成的，这些文章循序渐进，带领读者一步步迈入激光SLAM的精彩世界。

因为Cartographer已经应用在很多落地的产品里，比如清洁机器人、仓储物流机器人等服务机器人。但是网上相关的资料分散而参差不齐，尤其缺乏系统的理论和代码讲解，涉及到其中的工程化细节和改进经验就更是罕见。

视频天然的比图文更适合教学。于是我联系到李想，商量做一个Cartographer的逐行源码解析视频课程，从理论到实践，从入门到进阶。首先第一个事情就是对Cartographer源代码进行保姆级详细注释，不仅能够帮助讲师重新梳理代码细节，更重要的是，极大的降低了学员的学习门槛。由于Cartographer代码量非常大，注释代码就花了几个月，可以毫不夸张的说，这是目前全网最详细的中文注释的Cartographer代码，而且是持续更新的。不管你是否是我们的学员，都可以学习这份走心注释的代码：https://github.com/xiangli0608/cartographer_detailed_comments_ws

经过充分地准备，2021年6月，计算机视觉life和李想合作的Cartographer逐行源码解析课程（第1期）上线，课程历时接近4个月，帮助400+学员开启了Cartographer的入门到进阶之旅，其中收获了很多学员的赞誉，也收到了不少的建议和反馈。

第1期课程下架后，我们结合学员的反馈，对课程存在的问题进行了全面梳理和调整，时隔半年多于2022年推出了第2期课程，主要做了如下改进：

对课程大纲和内容进行优化。每章节内容从背景、框架开始讲，从宏观到细节，避免过早陷入代码细节。对每章节学习量调整，让学员有时间理解吸收。
查漏补缺，修正错误。在新的大纲基础上，重新录制部分章节的视频，重新组织剪辑视频。
作业重磅提升。每两周会有针对前面学习内容的作业考试，需要在规定时间内完成。班主任跟进自制力较差学员，再也不怕学习掉队！
学习基金及优秀学员全额返现。每个学员有3次拿奖机会：包括2次月度优秀学员（退款100），1次最终课程优秀学员（全额退款）

前100名立减100元，扫描学习↓

优惠券链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

Cartographer简介

Cartographer是Google推出的一套基于图优化的激光SLAM算法，它同时支持2D和3D激光SLAM，可以跨平台使用，支持Lidar、IMU、Odemetry、GPS、Landmark等多种传感器配置。是目前落地应用最广泛的激光SLAM算法之一。

Cartographer建图过程

Cartographer代码最重要的贡献不仅仅是算法，而是**工程实现实在是太优秀了！**它不依赖PCL，g2o, iSAM, sophus, OpenCV等第三方库，所有轮子都是自己造的，2D/3D的SLAM的核心部分仅仅依赖于Boost、Eigen（线性代数库）、Ceres（Google开源的非线性优化库）等几个底层的库。

这明显不是搞科研的玩儿法，就是奔着产品去的！因为依赖库少，可以直接在产品级嵌入式系统上应用，关键是开源免费，而且效果还针不戳！极大的降低了开发者的门槛。目前在GitHub的star数目是非常高的。

Cartographer应用

因此Cartographer非常适合于扫地/清洁机器人、仓储物流机器人、送餐机器人等室内服务机器人场景的实时定位和建图。

Cartographer建立的地图

扫地机器人

仓储机器人

自动驾驶

岗位需求及薪资

这里简单列举了和Cartographer相关的招聘岗位

学习规划

Cartographer的代码庞大，逻辑复杂，包含大量的工程细节，对于初学者不太友好，学习理解代码十分困难，需要花费大量时间仍不得要领。而企业对激光SLAM从业者的要求越来越高，只会调包调参的人找工作越来越难，只有深入理解激光SLAM原理与代码实现，才具有核心竞争力。

因此，计算机视觉life推出了系统课程《激光SLAM之Cartographer源码解析》，这是目前唯一一个逐行讲解Cartographer源码的课程！讲师亲自对Cartographer做了超详细源码注释，开源项目地址：

https://github.com/xiangli0608/cartographer_detailed_comments_ws

理论与实战并重，学员学完可以直接上手做项目。并且针对课程提供对应的作业和考试，并根据学习情况每月有机会获得学习基金，根据周作业、大作业、课程完成度等数据，评选最终的课程优秀学员，全额退还课程费用+发放优秀学员证书+至少1次内推机会！

课程大纲如下：

前100名立减100元，扫描学习↓

优惠券链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

购买课程后添加此微信进答疑群，如果对课程有疑问，也可加下面微信咨询↓

咨询链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

课程讲师介绍

课程讲师：李想，高级激光SLAM算法工程师，参与多个AGV项目落地，有丰富的项目实践经验。多篇原创文章发表在个人公众号：从零开始搭SLAM

课程服务及收获

课程主要包括以下服务：

学习视频：逐行讲解cartographer代码，总共15章，每周更新一章。
讲师精心绘制的原理图及代码框架图，快速理解复杂的源码，理清代码流程，定位核心算法
关键部分的公式推导
重点知识扩展：包括重要概念、工程实践技巧、代码改进建议等
课程期间全程答疑，及时解决学员在课程中遇到的难题
帮助巩固知识的课程作业、编程作业，以及作业的详细解答
每月多次直播，在线直接交流
对小白友好，再简单的问题都可以及时得到解答

学完课程可以掌握：

本课程延续我们一贯的学以致用风格，带领学员逐行学习源码，并讲解算法落地的工程实践技巧，代码改进方向等，快速上手做项目。
学完课程，可以掌握：多激光雷达时间同步、激光雷达运动畸变去除, 基于IMU与里程计的融合与位姿估计、基于点云的扫描匹配、后端优化、分支定界算法、回环检测等核心算法。具备举一反三能力。
理论与实践并重，理解原理如何在代码中具体实现，掌握代码中的工程实践技巧，能够完全掌握Cartographer代码，能够基于该算法进行参数调优、在实际应用场景中改进提升，承担研发项目。具备项目实战经验与工程研发能力。
学完本门课程，学员能够对C++的基础语法以及C++11新标准有更深入的理解和认知。
学完本门课程，学员可以达到工作1-2年的激光SLAM算法工程师水平。

课程适合人群

课题组独狼：整个课题组或者实验室，只有自己一个人搞Cartographer，即没人带又没人交流
调包侠：用了很久Cartographer建图，但是不清楚其参数具体意义，不清楚代码如何实现
工程师：想要对Cartographer进行优化，看了代码之后发现代码看不懂
跳槽换工作的同学：发现面试时考察Cartographer的知识点回答不上来的同学
其他方向转过来的同学：转到激光SLAM领域，理解了SLAM的概念，想要在代码层面上深入学习Cartographer的同学

课程不适合人群

一点都没接触过激光SLAM的同学，或者是刚转到激光SLAM方向的同学，应该先去学概念而不是直接学代码
没接触过编程或者编程很少的同学，这课是讲代码的，编程少的同学直接听代码肯定是听不懂的
想要一周或者一个月弄懂Cartographer代码的同学，不适合本视频课程，本课程是要持续3个半月的
不喜欢通过看视频的方式学习，一看视频就困的同学

学员基础要求

理解激光SLAM的目的是啥，理解激光的相关概念（如前端里程计，后端优化，回环检测等）
运行环境：Ubuntu 16.04/18.04/20.04， ROS Kinetic/Melodicetic, 讲师使用的环境是Ubuntu 1604, ROS Kinetic, 最好能保持一致, 不一致也没关系
硬件要求：普通台式机/笔记本电脑均可，无需GPU。课程使用讲师提供的数据集，不需要激光雷达, imu, 里程计, 机器人等任何硬件
有一定C/C++代码基础，了解最基础的C++语法
了解ROS，能够简单使用ROS启动节点
其余激光SLAM的相关知识都会在课程中教给你

前100名立减100元，扫描学习↓

优惠券链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？