顶级SLAM程序员必会

**

顶级SLAM程序员必会

**

什么是SLAM？
SLAM是 Simultaneous Localization And Mapping的 英文首字母组合，
一般翻译为：同时定位与建图、同时定位与地图构建。虽然听起来比较拗口，但SLAM却是三维视觉的核心技术，
广泛应用于AR、自动驾驶、智能机器人、无人机等前沿热门领域。可以说凡是具有一定行动能力的智能体都拥有某种形式的SLAM系统

SLAM是计算机视觉技术的下一个风口相比于计算机？
视觉领域的另一个热门：深度学习，SLAM技术尚处于技术爆发前期。
这是因为：在学术研究 方面：从最近几年计算机视觉的三大顶级会议CVPR, ICCV, ECCV 录用论文来看，以SLAM技术为核心的三维视觉论文正在快速增长
在硬件设备方面：以双目相机、深度相机为代表的消费级3D相机最近几年发展迅猛，国内外已经形成了成熟的产业链。
3D相机在智能手机、智能眼镜等设备上应用越来越多，以手机为例，苹果、华为、小米、OPPO、VIVO等手机大厂都在积极推动深度相机在手机上的普及。
在应用场景方面：最近几年无人机，智能机器人，自动驾驶汽车，AR设备的快速发展也极大促进SLAM技术在现实场景中的应用

SLAM学习大纲
工具类
1、 熟悉Linux指令及基本操作
2、 熟悉Cmake基本操作
3、 熟悉C++编程，能看懂会使用C++11新特性
4、 熟悉Clion集成开发环境
5、 熟练掌握计算机视觉库OpenCV
6、 熟练掌握几何库Eigen
7、 熟练掌握李代数库Sophus
8、 熟练掌握点云库PCL
9、熟练掌握图优化库G2o
10、熟练掌握非线性优化库Ceres

基础知识
1、 SLAM发展概况，宏观了解SLAM应用场景
2、 使用齐次坐标的原因及应用
3、 三维空间刚体旋转的表示方法，重点是四元数、旋转矩阵
4、 李群李代数在SLAM中的应用背景、会推导关键公式，包括SO(3)、SE(3)左扰动模型
5、 针孔相机成像模型公式
6、 双目相机模型
7、 RGB-D相机（结构光、TOF）成像原理
8、 点云处理
9、 相机畸变模型及去畸变方法
10、对极几何
11、单应矩阵
12、相机标定
13、特征点提取、匹配、筛选
14、视觉里程计
15、梯度下降、牛顿法、高斯牛顿、LM、图优化方法
16、PNP、ICP、Bundle Adjustment
17、回环检测

（）为什么要学SLAM
（）学习SLAM到底需要学什么
（）SLAM有什么用
（）C++新特性要不要学
（）为什么要用齐次坐标
（） 三维空间刚体的旋转从零开始一起学习SLAM | 为啥需要李群与李代数
（）相机成像模型从零开始一起学习SLAM | 不推公式，如何真正理解对极约束
（）神奇的单应矩阵从零开始一起学习SLAM | 你好，点云
（）给点云加个滤网从零开始一起学习SLAM | 点云平滑法线估计
（）点云到网格的进化
（）理解图优化，一步步带你看懂g2o代码
（）掌握g2o顶点编程套路
（）掌握g2o边的代码套路
（）ICP原理及应用SLAM初识SLAM技术框架惯性导航系统简介
（）视觉里程计：起源、优势、对比、应用
（）视觉里程计：特征点法之全面梳理
（）SLAM领域牛人、牛实验室、牛研究成果梳理
（）我用MATLAB撸了一个2D LiDAR SLAM
（）可视化理解四元数，愿你不再掉头发
（）IMU标定 | 工业界和学术界有什么不同
（）汇总 | VIO、激光SLAM相关论文分类集锦
（）SLAM中VIO的优势及入门姿势
（）汇总 | 3D机器学习资源汇总
（）视觉SLAM技术综述研究SLAM，对编程的要求有多高
（）深度学习遇到SLAM | 如何评价基于深度学习的DeepVO，VINet，VidLoc
（）2018年SLAM、三维视觉方向求职经验分享
（）经验分享 | SLAM、3D vision笔试面试问题
（）新型相机DVS/Event-based camera的发展及应用
（）视觉SLAM关键方法总结
（）现在开源的RGB-D SLAM有哪些
（）详解 | SLAM回环检测问题