牛逼哄哄的SLAM技术即将颠覆哪些领域

SLAM的英文全程是 Simultaneous Localization and Mapping，中文称作「同时定位与地图创建」。SLAM试图解决这样的问题：一个机器人在未知的环境中运动，如何通过对环境的观测确定自身的运动轨迹，同时构建出环境的地图。SLAM技术正是为了实现这个目标涉及到的诸多技术的总和。

SLAM技术距今已有 30 余年的发展历史，根据传感器不同，分为视觉SLAM和激光SLAM两类。但相比于深度学习、大数据等词汇，听过的人少之又少，国内从事相关研究的机构更是屈指可数。直至最近三年，SLAM才逐渐成为国内机器人和无人驾驶的热门研究方向，在当前比较热门的一些创业方向中崭露头角：

VR/AR 方面，根据 SLAM 得到地图和当前视角对叠加虚拟物体做相应渲染，这样做可以使得叠加的虚拟物体看起来比较真实，没有违和感；

无人机领域，SLAM可以构建局部地图，辅助无人机进行自主避障、规划路径；

无人驾驶领域， SLAM 技术可以提供视觉里程计功能，然后跟其他的定位方式融合；

机器人领域，SLAM 可以用于生成环境的地图。基于这个地图，机器人执行路径规划、自主探索、导航等任务。

提起SLAM的重要性，有人说，SLAM是无人驾驶技术的灵魂；也有人曾打比方说，机器人离开了SLAM，就像手机离开了WIFI和数据网络一样。之所以没有受到广泛关注，主要在于这个方向难度很大，入门资料很少，需要较强的Linux系统下的C和C++编程能力。这些原因直接或者间接导致，国内SLAM技术人才稀缺，同时，机器人、无人机、无人驾驶、增强现实等企业的需求旺盛，供不应求的局面逐渐铺开。

困难多意味着收获也多，坎坷的道路才能锻炼人。鉴于SLAM技术入门困难，专注于前沿科技在线教育的深蓝学院，推出『视觉SLAM理论到实践（第三期）』、『激光SLAM理论到实践』在线系列课程。课程每章节均安排有作业及参考资料，根据作业打分评选优秀学员，优秀学员可获得证书，并推荐到悉见科技、百度、Momenta、地平线、图森未来、驭势科技等知名企业实习就业。

课程讲师

高翔，深蓝学院视觉SLAM讲师，慕尼黑工业大学博士后，清华大学自动化系博士，主编畅销书《视觉SLAM十四讲：从理论到实践》。长期从事SLAM（即时定位与地图构建）的研究，主要包括机器人的中的视觉SLAM技术、机器学习与SLAM的结合，在国际知名期刊 IEEE Transactions on Mechatronics、Robotics and Autonomous Systems、Autonomous Robots等发表论文数篇。

曾书格，深蓝学院激光SLAM讲师，越凡创新科技有限公司技术负责人，电子科技大学硕士，研究生期间主要从事激光SLAM和机器人导航方面的研究和项目，其带队研发的全自主移动机器人—小贩机器人（FANBOT）已与万达、猎户星空等知名企业合作，团队拥有90多项国家专利技术。

课程特色

1. 成熟的课程体系，从数学基础知识讲起；

2. 理论结合实践，降低入门门槛；

3. 课上在线答疑，课下微信群答疑；

4. 作业设置新颖，批阅讲解仔细；

5. 优秀学员颁发讲师签名的深蓝学院证书；

6. 可推荐至百度、地平线等实习就业；

7. 课程PPT和作业，会提前公开给学员。

课程目录

一、视觉SLAM理论与实践课程

1. 概述与预备知识（2学时）

    1.1  课程内容提要与预备知识
    1.2  SLAM是什么
    1.3  视觉SLAM数学表述与框架
    1.4  Linux下的C++编程基础
    1.5  实践：Hello SLAM
2. 三维空间的刚体运动（2学时）
    2.1 点与坐标系
    2.2 旋转矩阵
    2.3 旋转向量与欧拉角
    2.4 四元数
    2.5 相似、仿射和射影变换
    2.6 实践：Eigen矩阵运算
    2.7 实践：Eigen几何模块
3. 李群与李代数（2学时）
    3.1 群
    3.2 李群与李代数
    3.3 指数与对数映射
    3.4 李代数求导与扰动模型
    3.5 实践：Sophus李代数运算
4. 相机模型与非线性优化（2学时）
    4.1 针孔相机模型与畸变
    4.2 图像的组成
    4.3 从状态估计到最小二乘
    4.4 非线性优化与最小二乘法
    4.5 实践：Ceres曲线拟合
    4.6 实践：g2o曲线拟合
5. 特征点法视觉里程计（2学时）
    5.1 特征点的提取与匹配
    5.2 对极几何
    5.3 三角测量
    5.4 3D-2D：PnP
    5.5 3D-3D：ICP
    5.6 实践：ORB特征点
    5.7 实践：PnP
    5.8 实践：ICP
6. 直接法视觉里程计（2学时）
    6.1 直接法的引出
    6.2 光流
    6.3 直接法
    6.4 实践：LK光流
    6.5 实践：RGB-D直接法
7. 后端优化（2学时）
    7.1 滤波器
    7.2 Bundle Adjustment与图优化
    7.3 Pose Graph
    7.4 Factor Graph
    7.5 实践：Bundle Adjustment
    7.6 实践：Pose Graph
8. 回环检测（2学时）
    8.1 概述
    8.2 词袋模型
    8.3 实践：建立字典以计算图像间相似性
    8.4 课程小结

二、激光SLAM理论与实践课程

1. 激光SLAM简要介绍（2学时）

    1.1   激光SLAM的发展历史

     1.2   激光SLAM的流程  

    1.3   本课程目标

2. 传感器数据处理I：里程计运动模型及标定（2学时）

    2.1   里程计运动学模型

    2.2    里程计标定原理

    2.3    实践：里程计标定程序编写

3. 传感器数据处理II：激光雷达数学模型和运动畸变去除（2学时）

    3.1    激光雷达数学模型

    3.2    运动畸变概念及影响

    3.3    基于纯激光雷达的运动畸变去除

    3.4    基于里程计辅助的运动畸变去除

    3.5    实践：畸变去除程序编写

4. 激光SLAM的前端配准方法（2学时）

    4.1   ICP匹配方法

    4.2   PL-ICP匹配方法

    4.3   基于优化的方法

    4.4   相关方法 & 分支定界匹配方法

    4.5   实践：配准方法的比较

5. 基于滤波器的激光SLAM方法(Grid-based)（2学时）

    5.1   粒子滤波介绍

    5.2   FastSLAM原理以及优化(Improved)

    5.3   经典开源算法(gmapping)基本流程

6. 基于图优化的激光SLAM方法(Grid-based)（2学时）

    6.1   Pose Graph的概念

    6.2   非线性最小二乘原理

    6.3   非线性最小二乘求解SLAM

    6.4   经典开源算法(cartographer)基本流程

    6.5   实践：实现一个简单的基于优化的SLAM算法

7. 基于已知定位的建图（2学时）

    7.1   地图分类

    7.2   基于已知定位的栅格地图构建

    7.3   实践：构建栅格地图

8. 3D激光SLAM介绍（2学时）

    8.1   3D激光SLAM介绍

    8.2   3D激光和视觉融合

报名

视觉SLAM课程费用499元，限时领取 100元优惠码 ；激光SLAM课程费用699元，可领取 200元优惠码 ；课程采用在线授课，一年内可以无限次回放。

请添加「深蓝学院」宇轩博士报名