Cartographer+LOAM+ LIO-SAM核心算法与源码剖析(室内+室外)

高精地图作为自动驾驶的眼睛,在自动驾驶研发中占据极大的份额,而激光SLAM则是高精地图定位导航算法的关键技术,其重要性不言而喻,在AI产品如矿卡、汽车、清扫车和扫地机器人等领域都占据一席之地。在没有激光SLAM的日子,对于机器人的控制只能以人主观为准,辅以遥控控制;而激光SLAM技术的出现彻底解决了机器人研究领域中“我在哪儿”的问题,使机器人在未知环境中的自主移动成为可能,并且随着激光雷达价格的下降,越来越多的行业头部公司都选择将其作为感知模块的主要传感器,同时辅以视觉和毫米波雷达,以期实现完全无人化的自动驾驶。

激光SLAM由于建图定位精度高,受环境影响较小的特点,在室内定位与自动驾驶领域越来越受到青睐,其中gmapping与cartographer发展成熟,建图精准,LOAM系列最新开源框架LIO-SAM更是将GPS数据接入算法,在室外建图定位方面取得了里程碑式的进步。

室内建图定位效果图

室外建图定位效果图

现有激光SLAM算法框架繁杂,应用场景多样,即便如此,在具体项目中也不能直接应用,针对具体的应用场景,需要对算法框架和参数进行一定的调整。因此,读懂各种激光SLAM框架就显得尤其重要了。然而,在研人员大都不是科班出身,数学和编程能力弱,因此,如何深入浅出的对室内室外各种场景下的激光SLAM算法做到融会贯通是本课程的重点内容。为此,3D视觉工坊推出了面向工业级实战类的激光SLAM学习课程《面向室内室外的激光SLAM关键算法与实现》,主讲忆枫,某军工企业特种无人车辆主任算法工程师,拥有5年激光SLAM算法理论和工程实践经验,将从室内室外两种应用场景,结合四种激光SLAM框架讲解,助力小白快速有效入门激光SLAM,成功斩获各个大厂offer。

本课程结合理论和实践两大部分:理论部分将全面介绍激光SLAM的基础知识与其帧间匹配、回环检测和后端优化方法;实践部分将以室内室外两个经典场景从gmapping,cartographer,loam和LIO-SAM四个经典框架的激光SLAM方法入手,着重讲解LIO-SAM框架,刨析源代码让学员真正理解相关算法的实现。最后将从工程落地的角度,带学员逐渐掌握激光SLAM方法在室内外场景中的应用。注意:实践部分将提供所有实现代码和数据!

课程大纲

讲师介绍

讲师忆枫,某军工企业特种无人车辆主任算法工程师,拥有5年激光SLAM算法理论和工程实践经验,将从室内室外两种应用场景,结合四种激光SLAM框架讲解,助力小白快速有效入门激光SLAM,成功斩获各个大厂offer。

课程亮点

1.国内首个多场景多应用激光SLAM系列教程;

2.优良的学习氛围和学术交际圈,可以与各大公司、各大科研机构的人才相互交流沟通;

3.循序渐进,由表及里,由浅入深,从理论到具体应用;

4.真正能面向工业落地的内容分享;

课程收获

1.通过课程的学习,对于室内室外多种场景的激光SLAM从前端匹配,回环检测到后端优化三个方面驾轻就熟;

2.对于经典的室内激光SLAM算法可以做到融汇贯通,能够从多种角度多种场景具体实现;

3.对于最新开源的室外激光SLAM算法LIO-SAM有深入的理解与感悟,学会如何接入GPS数据,提高建图精准度;

4.可以建立良好的交流沟通圈子,在择业或者跳槽方面给予极大的理论与实际支持;

适合人群

1.理工科背景,具备一定的C++编程经验,熟悉ROS框架;

2.熟悉SLAM相关理论知识,对概率论、线性代数、非线性优化等数学理论知识有一定基础;

3.   希望能够从事激光SLAM或自动驾驶领域的在校本科生、硕士生、博士生以及一线算法工程人员;

点击购买与咨询

Cartographer+LOAM+ LIO-SAM核心算法与源码剖析(室内+室外)_第1张图片

▲微信扫码可查看、购买、学习课程

Cartographer+LOAM+ LIO-SAM核心算法与源码剖析(室内+室外)_第2张图片
QQ咨询群:910070197
▲课程咨询QQ群,了解更多

Cartographer+LOAM+ LIO-SAM核心算法与源码剖析(室内+室外)_第3张图片

▲长按加客服微信,咨询更多

点击“阅读原文”也可直接购买课程

你可能感兴趣的:(算法,人工智能,java,编程语言,机器学习)