数学/计算机/人工智能/移动机器人学习网站存储

一、数学

二、计算机

1. 编程

1.1 C/C++

1.2 Python

Python扩展库

https://www.lfd.uci.edu/~gohlke/pythonlibs/https://www.lfd.uci.edu/~gohlke/pythonlibs/

2. 计算机组成原理

3. 计算机网络

4. 计算机操作系统

5. 算法和数据结构

Algorithms, 4th Edition by Robert Sedgewick and Kevin Waynehttps://algs4.cs.princeton.edu/home/

6. 数据库

7.其他

三、人工智能

1. 机器学习

2.深度学习

2.1 吴恩达深度学习笔记

极客Array - 简书https://www.jianshu.com/u/a2db4e6aa91f

3.其他

四、移动机器人基础

1.机器人位姿基础

机器人位姿几何基础 - 百度文库https://wenku.baidu.com/view/eebf7912866fb84ae45c8dd5.html?sxts=1600217363607&word=%E6%9C%BA%E5%99%A8%E4%BA%BA%E4%BD%8D%E5%A7%BF

2.自主移动机器人课程

Introduction to Mobile Robotics - SS 2018 - Arbeitsgruppe: Autonome Intelligente Systemehttp://ais.informatik.uni-freiburg.de/teaching/ss18/robotics/

五、SLAM (同步定位和建图技术，移动机器人感知环境领域)

1.激光SLAM

2.视觉SLAM

牛人和实验室

SLAM领域牛人、牛实验室、牛研究成果梳理一文梳理国内外SLAM的著名实验室，大牛以及研究成果，还会附带大牛们的代表性论文，开源代码，以及常用的数据集网址https://mp.weixin.qq.com/s?__biz=MzIxOTczOTM4NA==&mid=2247486482&idx=1&sn=f619be634f4632526f8df56a4b593963&chksm=97d7e985a0a0609336db09475104665507aa5c3b6222ca2c41b711d277aa61c290c8af20d5a4&scene=21#wechat_redirect西班牙萨拉戈萨大学机器人和视觉slam课程

autolochttp://webdiis.unizar.es/~neira/slam.html

2.1 视觉里程计 （VO）

VO视觉里程计1简介VO（Visual Odometry）视觉里程计是通过车载摄像头或移动机器人的运动所引起的图像的变化，https://mp.weixin.qq.com/s?__biz=MzI0MDYxMDk0Ng==&mid=100001026&idx=2&sn=e3a53eebfae2bb241b8bd87b1a05eef9&chksm=69197eef5e6ef7f9ed5f660ce66201958c66df85fb97aae5ffddfb322801c4d8729dfd989dde&mpshare=1&scene=23&srcid=1008zFL20xW8v6AB02KdV4kV&sharer_sharetime=1602155363194&sharer_shareid=1acf1e95b7803c40cdc4cf30306d74f4#rd

文科升_CSDN博客视觉/OpenCVhttps://blog.csdn.net/moyu123456789/article/list/2?t=1

SLAM代码（VO简介）_何必浓墨重彩-CSDN博客无人机很快会在灾难救援，工业检测环境保护方面祈祷重要作用。这样的应用中获取GPS信息是困难的。因此精确的全自动UAV备选的导航定位系统。使用惯导系统的缺点是累积误差，GPS在受限于使用环境。为了减低重量和功率消耗，视觉导航方法的优点一是不易被干扰，另外是大部分无人机已经配备了相机，视觉系统协同IMU（Inertial Measurement Unit）的方案被广泛采用。本文主要关于VO里程计简介。定https://blog.csdn.net/wendox/article/details/52416663

2.2 视觉SLAM

SLAM入门+典型SLAM应用及解决方案 - 知乎随着AR/VR行业的兴起，以及智能移动机器人、无人驾驶的发展，行业对SLAM技术的需求出现了井喷。另一方面，随着传感器技术的发展，计算资源的丰富以及算法的进步，SLAM技术本身也进入了一个从算法到产品过渡的阶段…https://zhuanlan.zhihu.com/p/28574164

2.3 ORB-SLAM系列分析和讲解

SLAM学习笔记 - ORB_SLAM2源码运行及分析 - tszs_song - 博客园ORB_SLAM2运行过程，ORB特征https://www.cnblogs.com/zhengmeisong/p/7811524.html

ORB-SLAM（四）追踪 - 路游侠 - 博客园最近在读ORB-SLAM的代码，虽然代码注释算比较多了，但各种类和变量互相引用，看起来有点痛苦。索性总结了一下Tracking部分的代码结构，希望能抓住主要思路，不掉坑里。 作者的程序分为两种模式：Shttps://www.cnblogs.com/luyb/p/5357790.html从零开始跑ORB_SLAM2(一) 前期准备与环境配置_小小的手心-CSDN博客前期准备工作环境：PC：i5-8265U 8GRAM 核显 弟弟CPU相机：Intel-Realsense D435环境：Ubuntu16.04 LTS+ ROS Kinect如何安装Ubuntu16.04：/*****/在Ubuntu18.04下踩过的一些坑(废话太长不看)安装pcl库一开始选择了官方预编译版本，报错后找了教程说需要修改source.list，但是普通用户下该文...https://blog.csdn.net/weixin_41732319/article/details/101232873?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase一步步带你看懂orbslam2源码--总体框架(一)_Mr.Sliver的博客-CSDN博客引言   谈谈SLAM技术,其实更准确地说来应该是SLAM框架.距今为止,SLAM其实已经发展了近30多年的历史,其理论框架已经大体成熟与定型,基本上都是分为前端视觉里程计,后端基于滤波或者非线性优化,回环检测以及建图等.该技术属于底层技术,主要是服务于上层应用的需求,目前的应用点有移动机器人,自动驾驶,无人机,AR,VR等.   SLAM从构建地图的种类进行划分,有稀疏地图,半稠密地图...https://blog.csdn.net/qq_37708045/article/details/101751343TODO：完成ORBSLAM2的坑--添加地图保存和加载模块SaveMap/LoadMap或者是实时点云图到八叉树地图转换_站在巨人的肩膀上coding-CSDN博客//TODO//先开个博客，提醒自己。有时间来弄的时候整理，来写代码贴几篇有用的参考博客：[1]泡泡机器人注释过的代码https://gitee.com/paopaoslam/ORB-SLAM2/blob/master/include/System.h[2]针对TUM数据集增加地图保存功能：https://www.cnblogs.com/mafuqiang/p/6972342.html[3]针对T...https://blog.csdn.net/LOVE1055259415/article/details/79911500?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecaseORB-SLAM2: 注释版，Ubuntu/Windowshttps://gitee.com/paopaoslam/ORB-SLAM2ORB SLAM2 地图的保存与加载 （我决定将代码开源）_司马由缰的博客-CSDN博客ORB SLAM2 真是个神奇的算法。他开源了，但是各种不实用。这大概就是学术和工作的区别吧。人家毕竟花了一整个博士阶段去开发这个算法，我们还是应该心存感激。实验室里用的相机是ZED的双目相机，所以为了这个相机，我做了自己的双目相机数据包和接口，发现实时SLAM速度在i7处理器的条件下也就只能跑5~6Hz左右，这还不考虑做闭环的时间。显然，对于一个正在快速运动的机器人来说，实时的SLAM并不实...https://blog.csdn.net/qq_34254510/article/details/79969046

ORBSLAM2理论与实战（7） 数据集制作_算法攻城狮-CSDN博客https://blog.csdn.net/u010128736/article/details/53079964https://blog.csdn.net/avinswang/article/details/89020561https://blog.csdn.net/ykwjt/article/details/88090573https://blog.csdn.net/zhangqi...https://blog.csdn.net/weixin_39752599/article/details/90313938

2.4 语义SLAM

SemanticSLAM.aihttps://nikosuenderhauf.github.io/semanticslam.ai/quadricslam.htmlSemantic SLAM 文章收集 - 技术刘截至目前 Semantic SLAM （注意不是 Semantic Mapping）工作还比较初步，可能很多思路还没有打开，但可以预见未来几年工作会越来越多。语义 SLAM 的难点在于怎样设计误差函数，将 Deep Learning 的检测或者分割结果作为一个观测，融入 SLAM 的优化问题中一起联合优化，同时还要尽可能做到至少 GPU 实时。 这一篇博客我将尽力收集一些有代表性的文章，提供下载和简单思路的理解，但个人精力、能力有限也欢迎大家随… Read More »http://www.liuxiao.org/2018/08/semantic-slam-%E6%96%87%E7%AB%A0%E6%94%B6%E9%9B%86/

语义信息与slam结合点？ - 知乎以下是总结的开源的一些语义SLAM代码：参考：Ewenwan/MVision1.CNN (PSPNet) + ORB_SLAM2 语义SLAM Real …https://www.zhihu.com/question/66535904/answer/674303851

2.5 深度学习和slam

深度学习结合SLAM研究总结 - SuperVan - 博客园博客转载自：https://blog.csdn.net/u010821666/article/details/78793225 原文标题：深度学习结合SLAM的研究思路/成果整理之 1. 深https://www.cnblogs.com/chaofn/p/9334685.html

2.6 三维重建 （SFM）

三维重建 3D reconstruction 有哪些实用算法？ - 知乎在这个问题下，竟然没有人说大名鼎鼎的KinectFusion以及他后面的一系列工作？KinectFusion单篇论文引用都…https://www.zhihu.com/question/29885222?sort=created

3. SLAM后端优化

科学网—SLAM系统的滤波和优化方法笔记 - 王琳的博文把卡尔曼滤波(KF)和批量优化方法(如BA)联系在一起的是“加权最小二乘法”。KF通常是“加权最小二乘法”递归求解过程的forward pass，每个时刻的状态仅 ... ,科学网http://blog.sciencenet.cn/blog-465130-1086221.html

http://fourier.eng.hmc.edu/e176/lectures/NM/node36.htmlhttp://fourier.eng.hmc.edu/e176/lectures/NM/node36.html

六、移动机器人路径规划

七、卡尔曼滤波及变种、粒子滤波等滤波方法

1.卡尔曼滤波

1.1 卡尔曼滤波技术手册（英文网站 ）Kalman Filter Tutorial  ：Kalman Filter Tutorialhttps://www.kalmanfilter.net/default.aspx

1.2 卡尔曼滤波知乎网友解析

卡尔曼滤波：从入门到精通 - 知乎最早接触卡尔曼滤波是在卫星导航课中，GPS 和IMU 结合时常会用到卡尔曼滤波。但学完了也只明白了数学推导，不过是“会做题的机器”。最近在学习SLAM 时想要重新好好温习一下卡尔曼滤波，虽然现在SLAM 的主流趋势是…https://zhuanlan.zhihu.com/p/36745755

1.3 网友分析经典重温：卡尔曼滤波器介绍与理论分析 - 极市社区经典重温：卡尔曼滤波器介绍与理论分析,极市视觉算法开发者社区,旨在为视觉算法开发者提供高质量视觉前沿学术理论,技术干货分享,结识同业伙伴,协同翻译国外视觉算法干货,分享视觉算法应用的平台https://bbs.cvmart.net/articles/5685 

2.扩展卡尔曼滤波 （EKF）

3.无迹卡尔曼滤波 （UKF）

4. 粒子滤波 （PF）

4.1 粒子滤波用于移动机器人定位

机器人粒子滤波定位（蒙特卡罗定位） - XXX已失联 - 博客园机器人定位问题 General schematic for mobile robot localization 以下面的两幅图a、b为例，对移动机器人定位问题进行说明。假如机器人从一个已知的位置开始运https://www.cnblogs.com/21207-iHome/p/5237701.html开发者说｜手把手教你用粒子滤波实现无人车定位https://baijiahao.baidu.com/s?id=1672348784167720074&wfr=spider&for=pcRobotics: Estimation and Learning | Courserahttps://www.coursera.org/learn/robotics-learning[PR-2] PF 粒子滤波/蒙特卡罗定位 - 知乎Probabilistic Robotics《概率机器人》(PR)是一本非常经典的介绍移动机器人技术的书；但是这本书主要注重理论，而对于实现只给出了伪代码；在PR系列文章中，我根据自己的理解，对其中的一些方法进行了复现。 本文…https://zhuanlan.zhihu.com/p/43523632

4.2 

八、图像处理

1. 

2.

3. 图像的几何变换

仿射变换与投影变换 - 侯凯 - 博客园介绍基本的图形变换，仿射变换和投影变换的内容和关系，最后再简单讲解下RANSAC算法。这套内容常用于图片和图片的特征点匹配、图片融合等场景。https://www.cnblogs.com/houkai/p/6660272.html

10. OpenCV

OpenCV: ORB (Oriented FAST and Rotated BRIEF)https://docs.opencv.org/3.4/d1/d89/tutorial_py_orb.html

 11. OpenCV-Python教程

 OpenCV-Python 中文教程（搬运）目录 - _Undo - 博客园OpenCV-Python 中文教程 OpenCV官方教程中文版（For Python） OpenCV2-Python-Tutorials 段力辉 译 说明：搬运自linux公社pdf文件，粗略搬运，https://www.cnblogs.com/Undo-self-blog/p/8423851.html

九、计算机视觉 （CV） 

卡耐基梅隆大学计算机视觉课程

16-385 Computer Vision, Spring 2020http://www.cs.cmu.edu/~16385/Pose Estimation - Computer Vision and Learning Lab Heidelberghttps://hci.iwr.uni-heidelberg.de/vislearn/research/scene-understanding/pose-estimation/

1. 物体分类 （image classification）

2. 目标检测 （object detection）

3. 文本检测和识别

文字识别方法整理 - 知乎文字识别也是目前CV的主要研究方向之一。本文主要总结目前文字识别方向相关内容，包括单独文字识别以及结合文字检测和文字识别的端到端的文字识别。希望这篇文章能够帮助各位。 对于文字识别，实际中一般首先需要…https://zhuanlan.zhihu.com/p/65707543

自然场景文本检测识别技术综述 - 知乎原创声明：本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不能用于商业目的。 其它机器学习、深度学习算法的全面系统讲解可以阅读 《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号…https://zhuanlan.zhihu.com/p/38655369

【AI实战】手把手教你深度学习文字识别（文字检测篇：基于MSER, CTPN, SegLink, EAST等方法） - 雪饼的个人空间 - OSCHINA - 中文开源技术交流社区文字检测是文字识别过程中的一个非常重要的环节，文字检测的主要目标是将图片中的文字区域位置检测出来，以便于进行后面的文字识别，只有找到了文本所在区域，才能对其内容进行识别。 文字检测的场景主要分为两种...https://my.oschina.net/u/876354/blog/3054322

4. 目标跟踪

4.1  目标跟踪的原理和说明 （object tracking）

视觉目标跟踪漫谈：从原理到应用本文主要介绍了视觉目标跟踪的定义、实现过程、评估方式等三大块的内容，帮助读者对这种技术形成全面的了解​。https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247509804&idx=2&sn=0accbd0ecbaabe7a3af22681c3e929c9&chksm=ec1c4ad5db6bc3c3433cb676c99aa878d9eaebda6355410b94ed4428fd566d639408b9f30c6c&mpshare=1&scene=23&srcid=1003Xntjjt4prNoHAnkTfMJx&sharer_sharetime=1601734326667&sharer_shareid=276f55e5f90b41ed56a75bee6a528bdd#rd