Skip to content

Latest commit

 

History

History
119 lines (81 loc) · 3.73 KB

File metadata and controls

119 lines (81 loc) · 3.73 KB

smoothly-vslam

基本信息
本项目涉及VSLAM基础概念及算法原理,通过本项目内容,降低学习者后续学习开源vslam算法的难度,平滑小白学习vslam的学习曲线,为后续学习者掌握复杂的vslam算法打下基础。

学习周期:20天,每天平均花费时间 2小时-4小时不等,根据个人学习接受能力强弱有所浮动

学习形式:教程学习+实践

人群定位:具备一定编程基础,有学习和梳理VSLAM算法的需求。
先修内容:无
难度系数:中

任务安排

Task 1: 相机投影及内外参 (3天)

理论部分
1.1 介绍针孔相机模型
1.2相机成像的几个坐标系
1.3 内参矩阵及去畸变的方法
2.1介绍 坐标系变换
2.2介绍 相机外参标定

教程地址:

1.一幅图像的诞生:相机投影及相机畸变
2. 差异与统一:坐标系变换与外参标定

Task 2: 三维空间刚体运动 (2天)

理论部分
介绍 世界坐标系与里程计坐标系
介绍 三维刚体运动
介绍 旋转的参数化

教程地址

3.描述状态不简单:三维空间刚体运动

Task 3: 视觉SLAM简介 (1天)

理论部分
介绍 什么是视觉SLAM
介绍 视觉SLAM的主流框架及分类

教程地址

4. 也见森林:视觉SLAM简介

Task 4: 前端-视觉里程计之特征点 (3天)

理论部分
介绍 图像特征简述
介绍 常用特征点

教程地址

5.以不变应万变:前端-视觉里程计之特征点

Task 5: 前端-对极几何及相对位姿估计 (3天)

理论部分
1.1介绍 对极几何
1.2介绍 本质矩阵及其求解
1.3介绍 单应矩阵及其求解
1.4介绍 三角测量
2.1介绍 已知3D-2D匹配关系,估计相机相对位姿的常用算法

教程地址

6.换一个视角看世界:前端-视觉里程计之对极几何
7.积硅步以至千里:前端-视觉里程计之相对位姿估计

Task 6: 后端之卡尔曼滤波与非线性优化 (4天)

理论部分
1.1 介绍 卡尔曼滤波原理
2.1介绍 最小二乘问题
2.2介绍 牛顿法
2.3介绍 高斯牛顿法
2.4介绍 LM法

教程地址

8.在不确定中寻找确定:后端之卡尔曼滤波
9.每次更好,就是最好:后端之非线性优化

Task 7: 回环检测 (2天)

理论部分
介绍 回环检测的作用
介绍 视觉常用回环检测方法
介绍 使用词袋模型进行回环检测

教程地址

10.又回到曾经的地点:回环检测

Task 8: 建图 (2天)

理论部分
介绍 地图的类型
介绍 稠密重建
介绍 点云地图
介绍 TSDF地图
介绍 实时三维重建

教程地址

11.终识庐山真面目:建图

Task 9: 设计VSLAM系统 (2天)选做

理论部分
介绍 C++的工程结构
介绍 系统设计方法
练习 设计一个VSLAM系统

教程地址

*12.实践是检验真理的唯一标准:设计VSLAM系统