学习SLAM需要哪些预备知识？

作者：王小新
链接：https://www.zhihu.com/question/35186064/answer/135059903
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

感觉大家的回答都很好，但是作为一个从新手到微新手过来的人，觉得大家回答上来就是 Multiple View Geometry in Computer Vision 然后优化，然后。。。。，如果新手这样做的话光啃那本书就是3个月+。
我建议首先了解SLAM主要采用什么做的，历史上一些版本是如何做出来的，因为这个系统是一个比较庞杂的系统，也表明，最开始这个系统的并不是如此，只是随着时间的推移，让这个系统复杂起来。
粗略的了解了SLAM系统的概况之后，进一步研究所需要的东西，只有知道所需要的东西，才能知道自己差在什么地方。比如：目前SLAM基本分支有 激光、单目、双目和RGBD 四种，建议根据自身条件主要学习一种就可以。
然后就会发现，SLAM获取数据采用滤波的方法，有卡尔慢滤波、EKF、UKF、EIF、PF、RBPF、FASTSAM等，然后就发现自己应该学什么滤波了，为进一步研究，又发现，有的SLAM用图优化，如ORB-SLAM 所以需要了解g2o ，g2o 主要是什么，通过代码发现 里头有非线性最小二乘法：牛顿高斯、LM，自己推到一遍，然后就学吧。然后就发现，在使用单目的时候有很多东西都是获取不到，怎么办呢？这个时候看SLAM代码和论文，发现需要学习PNP，逆深度，三角重建，之后就能通过摄像头画出自己的轨迹和重建了，之后发现自己的轨迹怎么不对呢，精度不够，然后就要BA出马了。这些搞懂了，突然发现SLAM会了一半了，图有了，就该优化了，如何优化？？ 通过论文就会发现，闭环检测！！！是个好方法，通过学习闭环检测，就可以将词袋模型，全局优化方法进行学习，然后发现最致命的问题，尺度统一不了，怎么办！！Sim(3) 算法来了，可以解决一部分尺度问题。最后你的SLAM就差不多了。
这些学习完事之后，你会发现，你会了基本的优化方法、滤波方法、图像处理方法、矩阵更加熟悉，知道了什么是李群李代数在计算几何中的使用。
最后推荐
一篇论文：Local Accuracy and Global Consistency for Efficient Visual SLAM 作者 Hauke Strasdat 帝国理工大学 非常的棒
书：《 Multiple View Geometry in Computer Vision》
基础书：《线性代数应该这样学》
数据集:Tum MRP Kitti ICDL-NUIM