3D视觉工坊相继推出了《透彻刨析室内、室外激光SLAM关键算法原理、代码与实战》、《激光-视觉-IMU-GPS融合SLAM算法：理论推导、代码讲解和实战》、《彻底搞懂基于LOAM框架的3D激光SLAM：源码剖析到算法优化》、《彻底搞懂视觉-惯性SLAM：VINS-Fusion原理精讲与源码剖析》四门SLAM精品课程，授课老师均为国内一线大厂算法工程人员和海内外高校博士，所有课程均提供数据和源码！微信扫码加入学习~

透彻刨析室内、室外激光SLAM关键算法原理、代码与实战

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。

▲微信扫码可查看、购买、学习课程

激光-视觉-IMU-GPS融合SLAM算法：理论推导、代码讲解和实战

自主导航是机器人与自动驾驶的核心功能，而SLAM技术是实现自主导航的前提与关键。现有的机器人与自动驾驶车辆往往会安装激光雷达，相机，IMU，GPS等多种模态的传感器，而且已有许多优秀的激光SLAM与视觉SLAM算法。但是每种模态的传感器都有其优点和缺点，如相机只能测量2D图像，且容易受光照和夜晚的影响；激光雷达获取的3D点云较为稀疏，而且在长走廊，隧道，以及开阔场景中容易发生退化；GPS测量极易受到环境的干扰；每种模态的传感器只能在适当的环境中发挥积极的作用。因此，我们希望以适当的方式融合多种模态的测量，通过优势互补，使SLAM算法能够在各种挑战性环境下持续输出鲁棒且精确的估计结果。因此无论是学术界还是工业界，多模态融合是未来SLAM发展的必然趋势。

▲微信扫码可查看、购买、学习课程

彻底搞懂基于LOAM框架的3D激光SLAM：源码剖析到算法优化

由于激光SLAM的入门门槛较高，对学习者的数学、编程能力要求比较严格，而且几乎没有系统的学习资料，自学难度较大，支离片解的开源代码学习无法有效地对整个框架产生较深的理解。从数据准备，到框架搭建，很多同学在一系列踩坑后，不得不放弃继续学习，这也导致了后面高薪机会的丢失。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《深入剖析激光SLAM的关键算法与实现》，主讲老师为自动驾驶独角兽公司高精地图算法工程师，有丰富的激光SLAM算法理论和工程实践经验。一线算法工程人员带你从算法理论推导到完整的项目实践，保姆级教学，对标企业级岗位要求，更有数据和代码的开源，让学员能够真正搭起来属于自己的一套项目。

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的整体框架与其前端实现和后端优化的算法原理及公式推导；实践部分将以两个经典的3D激光SLAM方法为例，逐行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方法在自动驾驶领域中的应用。注意：实践部分将提供所有实现代码和数据！

▲微信扫码可查看、购买、学习课程

彻底搞懂视觉-惯性SLAM：VINS-Fusion原理精讲与源码剖析

视觉SLAM由于成本低，单目/双目结合多传感器的方案越来越受青睐，而视觉惯性里程计更是多传感融合方案的佼佼者；其中，最著名的方案当属VINS-Fusion(VINS-Mono的扩展版)。VINS-Fusion是香港科技大学于2019年开源的视觉-惯性SLAM系统，KITTI Visual Odometry 榜单中排名最靠前的开源双目 VO 方案，主要支持：单目+IMU、纯双目、双目+IMU、双目+IMU+GPS，是一个可以用于室外场景中无人车辆/机器人自主定位的优秀方案。视觉-惯性SLAM所涉及的理论深度较深、覆盖面广，并对工程实践能力要求也较高，新手自学时相对比较困难。当下虽然有很多丰富的理论资料和优秀的相关开源项目，但是许多童鞋面对海量的理论资料、复杂的开源项目时可能无从下手，前期学习曲线过于陡峭，不得不放弃继续深入。为此，3D视觉工坊推出了《视觉-惯性SLAM的入门与实践》课程，结合VINS-Fusion源码，系统地对视觉-惯性SLAM的基础理论知识进行梳理。整套课程由一线算法工程师教授，从基础理论到代码剖析，保姆级教学，助力学员一步步从小白成长为大牛。

▲微信扫码可查看、购买、学习课程