视觉SLAM十四讲学习笔记-第一讲

第一讲:预备知识

SLAM介绍

SLAM 是 Simultaneous Localization and Mapping 的缩写,中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动。如果这里的传感器主要为相机,那就称为“视觉 SLAM”。

SLAM的目的是解决“定位”与“地图构建”这两个问题。也就是说,一边要估计传感器自身的位置,一边要建立周围环境的模型。当用相机作为传感器时,要做的就是根据一张张连续运动的图像(它们形成一段视频),从中推断相机的运动,以及周围环境的情况。

这本书将完整的SLAM系统分成几个模块:视觉里程计、后端优化、建图以及回环检测。

与SLAM相关的书籍主要有《概率机器人》(Probabilistic robotics)、《计算机视觉中的多视图几何》(Multiple View Geometry in Computer Vision)、《机器人学中的状态估计》(State Estimation for Robotics: A Matrix-Lie-Group Approach)等。

这是作者在github提供的书中源码。

https://github.com/gaoxiang12/slambook

https://github.com/gaoxiang12/slambook2.git (第二版)

全书内容分两个部分

第一部分为数学基础篇,包括:

• 第1讲:前言,基本信息 。

• 第2讲:SLAM 系统概述,编程环境的搭建过程。

• 第3讲:三维空间运动,旋转矩阵、四元数、欧拉角,Eigen库。

• 第4讲:李群和李代数,Sophus 。

• 第5讲:针孔相机模型、图像、OpenCV 。

• 第6讲:非线性优化,状态估计理论基础、最小二乘问题、梯度下降方法,Ceres 和 g2o 。

第二部分为 SLAM 技术篇,包括:

• 第7讲:特征点法的视觉里程计,特征点的提取与匹配、对极几何约束的计算、PnP 和 ICP等。

• 第8讲:直接法的视觉里程计,光流。

• 第9讲:后端优化,Bundle Adjustment,Ceres和g2o。

• 第10讲:后端优化中的位姿图。

• 第11讲:回环检测,词袋方法,dbow3。

• 第12讲:地图构建,极线搜索与块匹配,点云地图和八叉树地图的构建。

• 第13讲:搭建一个双目视觉里程计框架。

• 第14讲:介绍开源 SLAM 项目以及未来的发展方向。

读者须掌握基础:

1.高等数学、线性代数、概率论。

2. C++ 语言基础

3. Linux 基础

习题:

  1. 高斯分布的一维形式?高维形式?

高维高斯分布的简述_weixin_34129696的博客-CSDN博客​blog.csdn.net/weixin_34129696/article/details/93156160正在上传…重新上传取消​https://link.zhihu.com/?target=https%3A//blog.csdn.net/weixin_34129696/article/details/93156160

2. C++11 标准?C++11新特性?

C++11教程:C++11新特性大汇总​c.biancheng.net/cplus/11/正在上传…重新上传取消​https://link.zhihu.com/?target=http%3A//c.biancheng.net/cplus/11/

3. Linux 的目录结构是什么样的?

https://www.runoob.com/linux/linux-

你可能感兴趣的:(算法,书籍学习笔记,计算机视觉,自动驾驶,人工智能,slam)