**
顶级SLAM程序员必会
**
什么是SLAM?
SLAM是 Simultaneous Localization And Mapping的 英文首字母组合,
一般翻译为:同时定位与建图、同时定位与地图构建。虽然听起来比较拗口,但SLAM却是三维视觉的核心技术,
广泛应用于AR、自动驾驶、智能机器人、无人机等前沿热门领域。可以说凡是具有一定行动能力的智能体都拥有某种形式的SLAM系统
SLAM是计算机视觉技术的下一个风口相比于计算机?
视觉领域的另一个热门:深度学习,SLAM技术尚处于技术爆发前期。
这是因为:在学术研究 方面:从最近几年计算机视觉的三大顶级会议CVPR, ICCV, ECCV 录用论文来看,以SLAM技术为核心的三维视觉论文正在快速增长
在硬件设备方面:以双目相机、深度相机为代表的消费级3D相机最近几年发展迅猛,国内外已经形成了成熟的产业链。
3D相机在智能手机、智能眼镜等设备上应用越来越多,以手机为例,苹果、华为、小米、OPPO、VIVO等手机大厂都在积极推动深度相机在手机上的普及。
在应用场景方面:最近几年无人机,智能机器人,自动驾驶汽车,AR设备的快速发展也极大促进SLAM技术在现实场景中的应用
SLAM学习大纲
工具类
1、 熟悉Linux指令及基本操作
2、 熟悉Cmake基本操作
3、 熟悉C++编程,能看懂会使用C++11新特性
4、 熟悉Clion集成开发环境
5、 熟练掌握计算机视觉库OpenCV
6、 熟练掌握几何库Eigen
7、 熟练掌握李代数库Sophus
8、 熟练掌握点云库PCL
9、熟练掌握图优化库G2o
10、熟练掌握非线性优化库Ceres
基础知识
1、 SLAM发展概况,宏观了解SLAM应用场景
2、 使用齐次坐标的原因及应用
3、 三维空间刚体旋转的表示方法,重点是四元数、旋转矩阵
4、 李群李代数在SLAM中的应用背景、会推导关键公式,包括SO(3)、SE(3)左扰动模型
5、 针孔相机成像模型公式
6、 双目相机模型
7、 RGB-D相机(结构光、TOF)成像原理
8、 点云处理
9、 相机畸变模型及去畸变方法
10、对极几何
11、单应矩阵
12、相机标定
13、特征点提取、匹配、筛选
14、视觉里程计
15、梯度下降、牛顿法、高斯牛顿、LM、图优化方法
16、PNP、ICP、Bundle Adjustment
17、回环检测
()为什么要学SLAM
()学习SLAM到底需要学什么
()SLAM有什么用
()C++新特性要不要学
()为什么要用齐次坐标
() 三维空间刚体的旋转从零开始一起学习SLAM | 为啥需要李群与李代数
()相机成像模型从零开始一起学习SLAM | 不推公式,如何真正理解对极约束
()神奇的单应矩阵从零开始一起学习SLAM | 你好,点云
()给点云加个滤网从零开始一起学习SLAM | 点云平滑法线估计
()点云到网格的进化
()理解图优化,一步步带你看懂g2o代码
()掌握g2o顶点编程套路
()掌握g2o边的代码套路
()ICP原理及应用SLAM初识SLAM技术框架惯性导航系统简介
()视觉里程计:起源、优势、对比、应用
()视觉里程计:特征点法之全面梳理
()SLAM领域牛人、牛实验室、牛研究成果梳理
()我用MATLAB撸了一个2D LiDAR SLAM
()可视化理解四元数,愿你不再掉头发
()IMU标定 | 工业界和学术界有什么不同
()汇总 | VIO、激光SLAM相关论文分类集锦
()SLAM中VIO的优势及入门姿势
()汇总 | 3D机器学习资源汇总
()视觉SLAM技术综述研究SLAM,对编程的要求有多高
()深度学习遇到SLAM | 如何评价基于深度学习的DeepVO,VINet,VidLoc
()2018年SLAM、三维视觉方向求职经验分享
()经验分享 | SLAM、3D vision笔试面试问题
()新型相机DVS/Event-based camera的发展及应用
()视觉SLAM关键方法总结
()现在开源的RGB-D SLAM有哪些
()详解 | SLAM回环检测问题