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，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计算机视觉领域的热门研究方向，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；

机器人定位导航领域，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，手机离开了WIFI和数据网络，就像无人车和机器人离开了SLAM一样。之所以没有受到广泛关注，主要原因在于这个方向难度很大，入门的门槛太高，具体来讲有以下几个原因：

1. 入门资料很少：虽然国内也有部分人在做，但这方面的中文资料几乎没有，入门教程匮乏，直至2017年4月《视觉SLAM十四讲：从理论到实践》的问世。

2. 难以实现：SLAM是一个完整的系统，由许多个分支模块组成。现在经典的方案是“图像前端，优化后端，闭环检测”的三部曲，很多文献看完了自己实现不出来。

3. 动手编程需要大量的先决知识：首先，你要会C和C++，网上很多代码还用了11标准的C++；第二，要会用Linux；第三，要会cmake，vim/emacs及一些编程工具；第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西之后，你才能真正上手编一个SLAM系统。如果你要跑实际机器人，还要会ROS。

上述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、虚拟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，联合《视觉SLAM十四讲：从理论到实践》书籍作者高翔博士，推出《SLAM从理论到实践》在线系列课程，课程优秀学员可获得证书，并推荐到Momenta、地平线、图森未来、格林深瞳等知名企业实习就业。

课程讲师

高翔，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。

附：《视觉SLAM十四讲：从理论到实践》是国内第一本也是唯一一本专注于SLAM的书籍，现已成为国内入门SLAM的必备资料。

课程特色

1. 成熟的课程体系设置，从必备数学基础知识讲起；

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. 优秀学员颁发证书，推荐名企实习就业；

6. 课程PPT和源程序，会提前公开给学员。

课程目录

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

报名

现在可领取 100元优惠券 ，12月6日-12月30日每周三、周六晚 19点到 21 点授课。

请添加工作人员「深蓝学院」助教报名