|
|
课程介绍：
& l3 m9 E! ]8 F0 w" R. A" U' @% j4 S3 y; {( F {
本次的SLAM课程主要包括以下三个部分：
! P5 i: N. a4 c% Q! x6 B
2 l% c. s$ M" `. N2 N5 o8 m1.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。
9 e2 ^% q! J7 a' U& X4 y) u2.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？
2 i' k% ^2 c& a6 V$ R" H3.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。
( l# h' H7 S7 {8 d/ c$ t. t1 H
7 D) n! f+ C2 P, \5 ^" b课程目录：; d0 Z3 X* ~ M4 G
3 x& k2 {- O) U! C( \
第一课：SLAM概论和架构
/ p' v7 T2 W l* U8 Q1.从机器人的体系结构讨论SLAM的提出和发展+ |3 l9 i3 T. C& s0 I R$ I
2.滤波器是什么，谁真正的推动了SLAM？; a% d2 b2 v3 j7 L( O4 B1 v' u
3.SLAM的新突破-图优化# G6 o' H& T# V0 R
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
! e( _- S- F3 p2 N) N5.ROS 基础：RGB-D点云示例
9 L- U) L. c- r
6 Z: c0 K- G* M/ @ m第二课：SLAM基本理论一：坐标系、刚体运动和李群 3 i' H9 H2 }- i9 _6 @ a t
1.SLAM的数学表达
2 X4 _2 a. D$ D8 V2.欧式坐标系和刚体姿态表示8 d; K4 I1 {% y4 K) V! k
3.李群和李代数, J6 W k0 \7 \$ V" F8 [
4. 实例：Eigen和Sophus在滤波器上的应用
: B3 [! M& \7 Y1 L0 m4 v8 Z- h
; ]* P/ O: @; \# e1 }, I4 \. Q+ F第三课：SLAM基本理论二：从贝叶斯开始学滤波器8 Y+ ~* A0 R" ~/ V8 [* `! A, y
1.随机状态和估计0 U2 @7 n& q1 t; J+ W0 M5 f
2.卡尔曼滤波器9 q6 [# c& c3 B% u/ p {- V
3.扩展卡尔曼滤波器和SLAM- B5 g0 G% C; O+ u# y. Y" |
4.粒子滤波器和SLAM3 \& E" N4 O, y+ r
5.实例：基于卡尔曼滤波器的SLAM实例 - @/ ?5 }4 ~- G- K
. f4 ~! y& R ]( g; V6 s第四课：SLAM基本理论三：图优化7 E2 l" L/ z: N c* q+ L
1.从滤波器的痛来谈图优化* \' k8 S$ h: |. e0 V
2. Covisibility Graph和最小二乘$ ?# }) G% l3 X% e6 N
3.浅谈Marginlization 0 f- H5 r, P. G+ z/ n
4.实例：G2O图优化实战 4 [( `6 `7 q# e0 a/ K4 u" ?9 Z3 {
2 V* D7 ]5 ~5 P1 Y" |第五课：SLAM的传感器
; [+ H; J2 Q3 \8 i8 _9 s7 ^1.SLAM传感器综述
, B2 \4 o2 j& k& V; h$ C' g2.视觉类传感器（单目、双目和RGBD相机）9 _$ t: e9 T4 ~; x
a.相机模型和标定4 ^) y( y: Y3 ?' g3 }( G
b.特征提取和匹配
& x+ ]9 Z" |+ x# `3 p1 Z8 ?3.主动类传感器-- 激光
5 {% l1 D" s' w8 \! Ca. 激光模型和不同激光特性 J4 r% d" S K1 }
b. 激光特征和匹配
& m( g. J8 j& z3 C0 k# u. w& p* J4.实例：
+ o, O, o5 A/ C, M7 ra.特征提取和立体视觉的深度结算；: `' T3 C. w y1 A2 c) H, @
b.激光数据的基本处理 * g8 ~' C4 l) o* C
, ]# X( b- H9 \
第六课：视觉里程计和回路检测: Z2 d1 e% j. M, h# b3 C
1.视觉里程计的综述
$ X% ]1 J0 {- k; Q8 T% i2.基于特征法的视觉里程计：PNP
! z7 d, f, w; C2 n0 v3.基于直接法的视觉里程计：Photometric Error
3 q- V2 E5 h$ H' S6 D" r# Q1 Y5 ]4.基于立体视觉法的: ICP
; V$ D" z" L8 Q4 U3 a5.基于词袋模型的回路检测
" |; c7 ^, f. `3 A1 [/ d6.实例：& V V! P0 A5 |( i1 ^# G
a.PNP位姿估计
; o8 |' w: u7 T1 ~) wb.直接法位姿估计, ~6 P! i! t# _( W6 c [+ W
c.回路检测 & \$ X2 N2 \2 r) c3 ^) o
' G& j- H8 C: Y& @
第七课：激光里程计和回路检测/ B, h, _) u& E6 m- q
1.激光里程计简介
9 ^: G* z2 ]5 G1 o0 J& K2.激光里程计算法LOAM和VLOAM简单介绍
9 ?4 i8 \0 T9 `, {3.激光回路检测的特殊性和主要难点
1 B; @, A5 {* J: p- c4.伯克利的BLAM和谷歌Cartographer中回路检测的核心思路介绍7 H9 |9 }% \8 T. p
5.实例: LOAM, Cartographer测试
4 i d+ h6 _" W, G7 p$ b
7 d N9 \8 x% q9 v. M第八课：地图以及无人驾驶系统9 p0 X5 o* K( k4 G/ e4 `
1.SLAM中的不同地图系统介绍) ^8 R0 Z3 @7 t9 m
2.高精度地图介绍
4 w. j- `1 [* u$ M0 o Y3.语义地图介绍 2 a: t/ b% M; J# G0 R
4.拓扑地图介绍2 h, x* [( ~+ G7 q/ A3 y
5.实例：粒子滤波定位实现) o% _0 u# L; Q" s( G; M# Y
" ^$ N5 N& u/ j/ i- h第九课：视觉和无人机、室内辅助导航和AR/VR
6 X& A) S) c5 K6 ? x1.视觉SLAM的整体重述和实战$ C/ V) @. h, N0 G0 @. d
2.SLAM、无人机和状态机/ D8 a% b/ m; P4 D4 }7 g
3.Google Tango 和盲人导航
" ^3 |' r- h, I- p& ]1 L: d' x. ~4.SLAM的小刺激：AR/VR' s! ~4 L0 O r ?
5.实例：视觉SLAM的AR实例4 ]8 X/ k( z% }4 C0 p5 g
& r$ k1 x1 k- r第十课：深度学习和SLAM
5 E5 C/ k9 ~- a, a2 H$ X7 S% A1.SLAM的过去、现在和未来$ G6 w& ^+ @! {/ F
2.长航程SLAM的可能性# z0 w* Z. {) l
3.单目深度估计和分割和场景语义
L7 w* D" C0 r2 M4.动态避障7 u$ v0 j8 p/ Z1 f* {
5.新的特征表达
A0 Y( u [( \9 d* f6.课程总结
. s, v1 E# [! t% n2 r8 T4 G* j) ?- O
下载地址 T( k3 L+ n8 A
回复可查看课程下载链接&提取码(10)
, ^9 q3 A- ]% z# j: c& v/ W4 o" r. w& w
$ @; g& N0 K: e% {资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见( {- |6 \9 [) D/ e* p8 b7 L
0 N U# k' p3 \) x, B
* v" q! [% F6 S U) t; a6 j" Y
* X' ?, L; `6 V- ^) Y: ~2 B. ^
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-10 15:57:01
