小象学院《视觉SLAM-无人驾驶》视频教程

天亮说晚安

课程简介：
, s' g  H' n8 c% g本次的SLAM课程主要包括以下三个部分：
1. 以快速入门和理解为主，讲解SLAM的基本概念和知识，包括传感器、滤波、刚体的坐标系与运动、李群与李代数。其中传感器主要涉及视觉和激光两部分。视觉部分将介绍相机模型以及底层、中层、高层图像处理。
2. 围绕当前研究的热点和重点来解答一下几个问题：SLAM与无人机有什么联系？SLAM与无人驾驶存在那些技术和未知的探索？AR/VR为什么需要凭借SLAM，又可以为我们带来什么？ 我们生活的实践中，SLAM助力盲人导航？
3. 以程序示例来进行模块化演示和强化理解，抛开那些所谓的多视几何、随机估计、计算几何等困扰，简化理解，快速找寻兴趣点。不管是从事机器视觉、激光雷达，还是VINS都将在这里找到自己的部分回答。  
面向人群：
1. 想了解激光、视觉SLAM的学习者
7 Z- v1 r7 I  e: M2. 希望学习SLAM技术并结合机器人、无人驾驶等技术人群；
3. 想转行从事AR/VR开发以及无人驾驶的人群；
4. 对计算机视觉、概率论有一定了解的人群。
! B# t; {+ f. I5 V( N学习收益：
通过本课程的学习，学员将会收获：
4 F* s% x" f0 ~0 P1. 帮助学员系统性的掌握基于视觉和激光SLAM的基本概念、基本原理和机器人、AR/VR之间的知识链接
- _" U  B+ ]$ ~4 ?6 g/ P2. 了解如何进行跟踪、定位、构图，并且给出一个新的应用场景如何利用现有的技术进行嫁接
3. 了解国内外经典的开源项目以及应用场景和优缺点
4. 实践与理论结合，快速积累基本的项目经验
$ D$ O# Y, U5 i' A. x' @9 G, e  f课程大纲：
' h9 t) K# o) t( g9 N! m
第一课：SLAM概论和架构            
1. 从机器人的体系结构讨论SLAM的提出和发展
2. 滤波器是什么，谁真正的推动了SLAM？
3. SLAM的新突破-图优化
4. SLAM的完整知识体系结构介绍，基于Linux和ROS进行SLAM的进行本课程学习
5. ROS 基础：RGB-D点云示例
第二课：SLAM基本理论一：坐标系、刚体运动和李群     

1. SLAM的数学表达
2. 欧式坐标系和刚体姿态表示
3. 李群和李代数
4.  实例：Eigen和Sophus在滤波器上的应用
第三课：SLAM基本理论二：从贝叶斯开始学滤波器

. m) Q3 U8 h( c  e9 |1. 随机状态和估计
4 N& b' `- w' \* J6 H7 J2. 卡尔曼滤波器
+ V8 D: ?2 e- M9 ?) t+ A5 i8 H3. 扩展卡尔曼滤波器和SLAM
- ?7 m* ~* J- }& A& N4. 粒子滤波器和SLAM
5. 实例：基于卡尔曼滤波器的SLAM实例

1 F! U7 ?3 R1 M* B第四课：SLAM基本理论三：图优化

1. 从滤波器的痛来谈图优化
, P$ {0 z* }7 W4 d. t0 u2.  Covisibility Graph和最小二乘
: o( A9 E  s; w; `+ B3. 浅谈Marginlization
4. 实例：G2O图优化实战   
" T" A6 _' l# v2 m
. I# K' U) W# X  y/ z) c; Y8 {第五课：SLAM的传感器

) h, I! w; y1 v" U3 o1. SLAM传感器综述
, V  ^9 x# I3 _% J2 v2. 视觉类传感器（单目、双目和RGBD相机）
a. 相机模型和标定
b. 特征提取和匹配
: a; {' d" a9 O$ H4 t3. 主动类传感器-- 激光
a.  激光模型和不同激光特性
, l, y. s* N' U  Xb.  激光特征和匹配
4. 实例：
2 E. h  k4 X1 @) d3 ]a. 特征提取和立体视觉的深度结算；
b. 激光数据的基本处理  

第六课：视觉里程计和回路检测
1. 视觉里程计的综述
2. 基于特征法的视觉里程计：PNP
3.  基于直接法的视觉里程计：Photometric Error
4. 基于立体视觉法的: ICP
8 [: `7 S  a, [3 D8 O5. 基于词袋模型的回路检测
6. 实例：
a. PNP位姿估计
b. 直接法位姿估计
5 s. k# {% Z: p+ u% A1 ^c. 回路检测
4 d3 w9 g4 H% K# ]3 ?
第七课：激光里程计和回路检测
" C0 ~$ F! E# g; g: B! D# _7 j) @1. 激光里程计简介
2. 激光里程计算法LOAM和VLOAM简单介绍
: l( I" @- I: a4 R+ t- o  V3. 激光回路检测的特殊性和主要难点
4. 伯克利的BLAM和谷歌Cartographer中回路检测的核心思路介绍
5. 实例: LOAM, Cartographer测试

: I8 w4 W& x3 R; D6 s& D9 {第八课：地图以及无人驾驶系统
  n& q7 @; |- j1 S% N
% m) {2 i! v4 X1. SLAM中的不同地图系统介绍
2. 高精度地图介绍
3. 语义地图介绍
8 K) s$ v1 i4 _8 j4. 拓扑地图介绍
9 s9 _8 x4 v* e) [2 y6 }! o/ l5 z5. 实例：粒子滤波定位实现

第九课：视觉和无人机、室内辅助导航和AR/VR

. V" p) K0 \4 H5 h1. 视觉SLAM的整体重述和实战
( @" c# v0 C2 Y/ {2. SLAM、无人机和状态机
3. Google Tango 和盲人导航
/ f3 T8 q) U3 d, b  A8 ^2 J8 }4. SLAM的小刺激：AR/VR
1 y3 q/ f' M6 g6 ]) Z5. 实例：视觉SLAM的AR实例
# w, ?- l( M5 v
5 N* c9 E2 }1 x7 z# P) D7 D- _
0 @" r! ]5 s. b第十课：深度学习和SLAM

! e2 N  p; s  a6 _+ N+ h6 t1. SLAM的过去、现在和未来
4 |* @- s1 S, }3 Z2.  长航程SLAM的可能性
: w4 h3 j3 V& s0 m+ o3 y3.  单目深度估计和分割和场景语义
4. 动态避障
4 Z% {- p8 L# Z+ D' t7 P5. 新的特征表达
6. 课程总结
' x* `* s- F0 s4 |! \  E导学课（必看）
! ]/ p. |# t$ G6 |) Z( ySLAM概论和架构
' E$ T( m! Z+ J( NSLAM基本理论一：坐标系、刚体运动和李群
SLAM基本理论二：从贝叶斯开始学滤波器
SLAM基本理论三：图优化
; }* ~7 f+ V' F5 m$ ^SLAM的传感器
视觉里程计和回路检测
  T1 _; H9 @7 o" [' K激光里程计和回路检测
, o' C2 @- L1 w" @2 B  \& C地图以及无人驾驶系统
& l7 p1 c) X! k- l2 h. |视觉和无人机、室内辅助导航和ARVR
深度学习和SLAM

2 \8 M  W! w1 N" c2 L7 p+ g0 {. L