|
|
课程介绍：
- |. E8 s; `' }5 z2 Z8 w* u8 H; z) p+ T, p. z' V
本次的SLAM课程主要包括以下三个部分：8 }7 s1 g+ D8 E1 O7 L
$ m5 T+ R7 Q/ O8 L
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。
{( Y9 r% O6 f+ ?$ D2.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？! N' B( N6 P) Q$ q' ^
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。( ] n, L# b0 a& E) y6 C! N- F
3 e& k2 q5 E) r: ~+ m% n! |! [0 k9 a
课程目录：! I3 N% y' l2 p; d; o
- B. c# F# t0 H/ J D第一课：SLAM概论和架构 / J6 I# B! ~, E5 F: G4 {! z
1.从机器人的体系结构讨论SLAM的提出和发展0 a) ~$ v4 W% X* a) z0 z ?$ J+ l
2.滤波器是什么，谁真正的推动了SLAM？( _0 F! z4 E" c' ]
3.SLAM的新突破-图优化
& J* N4 \" t* a9 K4.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
2 L; V3 X8 q8 Y9 C; F5.ROS 基础：RGB-D点云示例
7 X0 a: y9 h/ B4 R
: y; ?( j0 o6 J第二课：SLAM基本理论一：坐标系、刚体运动和李群 & D: @0 |+ k6 `" \' V& E% O! G
1.SLAM的数学表达, O6 e! P5 t$ ]$ J6 Y$ G
2.欧式坐标系和刚体姿态表示7 x! i9 l: T' r) T& B
3.李群和李代数
^8 X7 C& x- _+ B5 D4. 实例：Eigen和Sophus在滤波器上的应用
' c5 p: o. S: j3 r% B8 D
" X3 u: T4 e1 }( `+ N/ I第三课：SLAM基本理论二：从贝叶斯开始学滤波器
4 E. e/ \% t Q1 m4 ?" K* _: ^1.随机状态和估计
- C1 G" V6 u) @* X) ~7 S2.卡尔曼滤波器
2 \7 E6 I; x% i. D7 s4 H8 ~) k3.扩展卡尔曼滤波器和SLAM9 Z6 j4 T' t% k5 Q3 v0 D
4.粒子滤波器和SLAM
0 |+ F8 z9 ^4 q5.实例：基于卡尔曼滤波器的SLAM实例 # s: ~, v Z$ q( o, V* ^/ F0 _2 g' q
0 Z" _* g3 z5 {6 p
第四课：SLAM基本理论三：图优化
( N9 ?( ?2 \+ E6 {# F1.从滤波器的痛来谈图优化( N C8 t: I* {( v5 Y( S
2. Covisibility Graph和最小二乘
* m' Z* e5 h. T8 q. T3.浅谈Marginlization % n8 c7 [- i6 d0 B& k, o
4.实例：G2O图优化实战
/ o" Z& o1 q) {. H* {( i7 L- x* X# i
/ B& m K& P6 L* d第五课：SLAM的传感器' W' U) [1 y. k$ X# Z/ o7 B" B
1.SLAM传感器综述
# X5 |( M6 Y! z8 r3 q1 p2.视觉类传感器（单目、双目和RGBD相机）
9 Q! Q4 m& U* Q; M8 o- r# ja.相机模型和标定) ~1 X+ z* U9 j$ o% d
b.特征提取和匹配
* [4 V" T6 p4 ^: M8 k3.主动类传感器-- 激光1 V) J' t, {; v' @5 E0 h# i; k' {
a. 激光模型和不同激光特性/ A4 A5 E# o( ?! A
b. 激光特征和匹配
8 A5 ~: J0 L1 v4 d4.实例：
) r$ |5 e, r& J6 m8 xa.特征提取和立体视觉的深度结算；
( ~- o2 s& V$ D3 d& B" [b.激光数据的基本处理 ) w5 v2 N( r4 h
5 M! L5 y$ l* B( ]第六课：视觉里程计和回路检测" |8 J6 m5 Y2 ?, x+ H
1.视觉里程计的综述4 B/ `& B9 ]5 ?
2.基于特征法的视觉里程计：PNP
x5 _2 h" g$ k/ k2 m3.基于直接法的视觉里程计：Photometric Error
& h U* M, Z" u- V0 T1 m- T: B! E4.基于立体视觉法的: ICP9 P2 K+ ^; f! J4 }: }! ?8 g1 P
5.基于词袋模型的回路检测: y' t- _1 X# T/ y+ Y. X( G
6.实例：
. ]) F# ]. K0 P1 Z, w: Ua.PNP位姿估计
& X4 @ f* r7 a7 z- Ab.直接法位姿估计% ^2 W5 k9 I6 n% m# p& p7 Q
c.回路检测
: m# ?+ s7 v9 \, ?: ^* ~
# R; E/ J$ L% u' f( k. z第七课：激光里程计和回路检测/ V; l' b' y- ^6 c4 w
1.激光里程计简介
- @" U, i. }( S3 w3 B7 s1 C7 j2.激光里程计算法LOAM和VLOAM简单介绍
2 r7 f- x9 C8 z. D: U3.激光回路检测的特殊性和主要难点
0 v/ R& s& s3 Z4.伯克利的BLAM和谷歌Cartographer中回路检测的核心思路介绍
. B* a% W) D+ H H5.实例: LOAM, Cartographer测试
$ n' E5 s/ x6 x# f* A5 Z0 U# d+ t! F6 J! a
第八课：地图以及无人驾驶系统
1 C: n8 ^# ^/ z: ^% _' I( ^1.SLAM中的不同地图系统介绍
/ w/ B7 u1 D7 S9 Y r! w2.高精度地图介绍$ K, \5 h4 b) d& D
3.语义地图介绍
& g. K1 g4 @2 Y! M3 G4 m d4.拓扑地图介绍$ Y& }0 d0 u R8 X
5.实例：粒子滤波定位实现, N5 U8 O) R, g3 d& Q
! a9 P5 S, t8 O; M+ p( h7 H9 ?- |- Y
第九课：视觉和无人机、室内辅助导航和AR/VR& A5 s! {. g `2 K$ r/ K, t
1.视觉SLAM的整体重述和实战; R1 {' y; e' L% H7 y- a7 {6 J% Q' g+ r1 n
2.SLAM、无人机和状态机: D/ R/ m+ D; E* ]0 U: O
3.Google Tango 和盲人导航- x; a: b+ f- y0 S! L8 O+ v' F% g& v
4.SLAM的小刺激：AR/VR. |8 q/ v8 y3 s) h" e" t
5.实例：视觉SLAM的AR实例/ C/ U5 A0 C! N
! x" R1 N. L9 {8 L4 N1 w
第十课：深度学习和SLAM8 n. l( d4 |1 W( P: `
1.SLAM的过去、现在和未来
; ^( w7 A$ C3 d+ `: m2.长航程SLAM的可能性% U( d% Z0 i W
3.单目深度估计和分割和场景语义# y3 ^1 n$ o3 P1 g( `6 H) \
4.动态避障) d1 A0 J9 k* @0 `( b8 L
5.新的特征表达
+ V! J2 _2 j+ `2 c2 ?8 J6.课程总结
: \* C1 j* ]9 d& E* j4 M* S. V" v8 A
2 N$ ?4 u; g' j' [, Q下载地址& ]) h' P& v0 o
回复可查看课程下载链接&提取码(10)7 F, x: D4 B1 C4 `* ~) x
0 ^- n6 h/ M$ n. J/ x# [* |
2 Y. C8 i" v. Q' W. m5 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
T! {# z/ d% \3 L3 p. P# `( J1 D, k+ L# D1 o1 G A/ @
s; \1 w4 i: z' W8 p8 W( A" b/ A' @+ c9 z+ l+ N
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-10 15:57:01
