SLAM学习策略和前期准备

1、SLAM相关教材书目
——————入门——————

《视觉SLAM十四讲》★

《一起学习RGBDSLAM》

《自主移动机器人导论》

《ROS入门》

——————进阶——————

《概率机器人》

《计算机视觉中的多图几何》

《机器人学中的状态估计》

《机器人感知》

——————交叉领域相关——————

《机器学习》、《深度学习》《PYTHON3X》、《点云库PCL》（倘若做语义地图方向，可能会有所涉及）

2.前期准备工作

SLAM系统可以分成以下几块：传感器数据，视觉里程计，后端优化，建图，以及回环检测。其中视觉里程计属于前端，后端优化包括非线性优化

同时我们也会接触一些数学理论和许多的编程知识，会用到Eigen,OpenCV，PCL，g2o,Ceres等数据库，掌握Linux操作系统中的使用方法。

推荐几个学习SLAM的书和资源。高翔博士的Slam14讲和他发表的一起学习RGBD-SLAM.能够快速地入门和学习，其他资源等到学习到之后，在和大家分享。

源代码托管在GitHub上：

https://github.com/gaoxiang12/slambook

对于SLAM的研究，我们需要具备：

1. 高等数学，线性代数，概率论等数学知识的积累；

2. C++语言基础；

3. Linux基础；

4. ROS系统；

5. Cmake,vim/emacs及一些编程工具；

6. 会用Eigen,OpenCV，PCL，g2o,Ceres等第三方库。

SLAM的研究根据学术大佬的的总结，可以说“花开五朵，各表一枝”.

1. 基础理论（Bsic Theroy）;

2. 传感器（Sensor）;

3. 建图（Mapping）;

4. 回环检测（Loop Detection）;

5. 高级问题（Advanced Topic）.

SLAM算法实现，要考虑七个方面：

1. 地图标识问题；

2. 信息感知问题；

3. 数据关联问题；

4. 定位和构图问题；

5. 回环检测问题；

6. 探索问题；

7. 绑架问题。

3、学习策略
明确目标：对研究者而言，最紧迫的是用最少的时间和精力，写出足够水平的论文。

因此在学习SLAM的时候，切忌贪多求全、目的不明。

可参考以下学习流程：了解基础→会做→找点→去做自己的工作并写论文

①【了解基础】入门教材（《视觉SLAM十四讲》，理论了解+代码实践）

②【会做】已有的知名SLAM方法：

ORB SLAM，LSD SLAM，DSO SLAM，SVO SLAM

可以ORB SLAM为范本重点学习，看对应的论文＋源代码，并去复现一遍。

③【找点】看一些新的知名期刊文献，寻找自己的研究点。该领域发展迅速，期刊论文上的成果一般较老，最新的会议论文和最新发布的开源代码可重点关注；此外，追踪关注一些知名课题组的研究成果。

在文献调研阶段，如需要，可穿插进行知识补充，一些需要深入了解的知识，在“了解基础”阶段只掌握了大概，可针对性地补充学习。

4.SLAM开源代码链接

MonoSLAM 单目 https://github.com/hanmekim/SceneLib2
PTAM 单目 http://www.robots.ox.ac.uk/~gk/PTAM/
ORB-SLAM 单目为主 http://webdiis.unizar.es/~raulmur/orbslam/
LSD-SLAM 单目为主 http://vision.in.tum.de/research/vslam/lsdslam
SVO 单目 https://github.com/uzh-rpg/rpg_svo
DTAM RGB-D https://github.com/anuranbaka/OpenDTAM
DVO RGB-D https://github.com/tum-vision/dvo_slam
DSO 单目 https://github.com/JakobEngel/dso
RTAB-MAP 双目/RGB-D https://github.com/introlab/rtabmap
RGBD-SLAM-V2 RGB-D https://github.com/felixendres/rgbdslam_v2
Elastic Fusion RGB-D https://github.com/mp3guy/ElasticFusion
Hector SLAM 激光 http://wiki.ros.org/hector_slam
GMapping 激光 http://wiki.ros.org/gmapping
OKVIS 多目+IMU https://github.com/ethz-asl/okvis
ROVIO 单目+IMU https://github.com/ethz-asl/rovio

5.学习参考

博客链接：https://blog.csdn.net/electech6/article/details/82597882

半闲居士博客链接：https://www.cnblogs.com/gaoxiang12/p/4633316.html

SLAM14讲笔记博客链接：https://blog.csdn.net/dahailuoa6/article/details/90675711

SLAM学习策略和前期准备相关推荐

最新语义视觉SLAM综述：面向应用的移动机器人自主导航解决方案
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达论文名称: A survey of image semantics-based visual simu ...
AAAI 2021 | 用于旋转目标检测的动态锚框学习策略
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除转载于:AI科技评论 AI博士笔记系列推荐周志华<机器学习& ...
三维空间刚体运动5：详解SLAM中显示机器人运动轨迹及相机位姿（原理流程）
三维空间刚体运动5:详解SLAM中显示机器人运动轨迹及相机位姿(原理流程) 一.显示运动轨迹原理讲解二.前期准备三.git管理子模块及克隆源代码 1.学习使用Git Submodule 2.克隆源 ...
参加第一届“SLAM技术及应用”暑期学校暨研讨会和全国SLAM技术论坛有感
哈哈,先是一段官话啦! 2018年7月24日至7月27日,第一届"SLAM技术与应用"暑期学校与研讨会在浙江紫金港校区的蒙民伟楼225报告厅成功举行.本次暑期学校由浙江大学CAD& ...
一起自学SLAM算法：11.5 强化学习与自主导航
连载文章,长期更新,欢迎关注: 写在前面第1章-ROS入门必备知识第2章-C++编程范式第3章-OpenCV图像处理第4章-机器人传感器第5章-机器人主机第6章-机器人底盘第7章-SLA ...
从零开始跑ORB_SLAM2(一) 前期准备与环境配置
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Ubu ...
SLAM综述阅读笔记六：基于图像语义的SLAM调研：移动机器人自主导航面向应用的解决方案 2020
转自[[论文阅读]A survey of image semantics-based visual simultaneous localization and mapping 语义视觉SLAM综述 - ...
从零完成slam实战，以Vins-Fusion为例
写在前面 1.本文以vins-fusion为例,是因为其框架正统.简单清晰,易于调试和后续改进:camera-imu外参及同步时间td可实时估计:已有融合gps方案且较为容易可添加融合其它传感器. 2 ...
SLAM图优化g2o
SLAM图优化g2o 图优化g2o框架图优化的英文是 graph optimization 或者 graph-based optimization, "图"其实是数据结构中的gr ...

SLAM学习策略和前期准备

SLAM学习策略和前期准备相关推荐

最新文章

热门文章