论坛元老
- 威望
- 0
- 贡献
- 61
- 热心值
- 1
- 金币
- 3418
- 注册时间
- 2020-8-31
|
课程介绍：
本次的SLAM课程主要包括以下三个部分：
1.以快速入门和理解为主，讲解SLAM的基本概念和知识，包括传感器、滤波、刚体的坐标系与运动、李群与李代数。其中传感器主要涉及视觉和激光两部分。视觉部分将介绍相机模型以及底层、中层、高层图像处理。
2.围绕当前研究的热点和重点来解答一下几个问题：SLAM与无人机有什么联系？SLAM与无人驾驶存在那些技术和未知的探索？AR/VR为什么需要凭借SLAM，又可以为我们带来什么？ 我们生活的实践中，SLAM助力盲人导航？
3.以程序示例来进行模块化演示和强化理解，抛开那些所谓的多视几何、随机估计、计算几何等困扰，简化理解，快速找寻兴趣点。不管是从事机器视觉、激光雷达，还是VINS都将在这里找到自己的部分回答。
课程目录：
第一课：SLAM概论和架构
1.从机器人的体系结构讨论SLAM的提出和发展
2.滤波器是什么，谁真正的推动了SLAM？
3.SLAM的新突破-图优化
4.SLAM的完整知识体系结构介绍，基于Linux和ROS进行SLAM的进行本课程学习
5.ROS 基础：RGB-D点云示例
第二课：SLAM基本理论一：坐标系、刚体运动和李群
1.SLAM的数学表达
2.欧式坐标系和刚体姿态表示
3.李群和李代数
4. 实例：Eigen和Sophus在滤波器上的应用
第三课：SLAM基本理论二：从贝叶斯开始学滤波器
1.随机状态和估计
2.卡尔曼滤波器
3.扩展卡尔曼滤波器和SLAM
4.粒子滤波器和SLAM
5.实例：基于卡尔曼滤波器的SLAM实例
第四课：SLAM基本理论三：图优化
1.从滤波器的痛来谈图优化
2. Covisibility Graph和最小二乘
3.浅谈Marginlization
4.实例：G2O图优化实战
第五课：SLAM的传感器
1.SLAM传感器综述
2.视觉类传感器（单目、双目和RGBD相机）
a.相机模型和标定
b.特征提取和匹配
3.主动类传感器-- 激光
a. 激光模型和不同激光特性
b. 激光特征和匹配
4.实例：
a.特征提取和立体视觉的深度结算；
b.激光数据的基本处理
第六课：视觉里程计和回路检测
1.视觉里程计的综述
2.基于特征法的视觉里程计：PNP
3.基于直接法的视觉里程计：Photometric Error
4.基于立体视觉法的: ICP
5.基于词袋模型的回路检测
6.实例：
a.PNP位姿估计
b.直接法位姿估计
c.回路检测
第七课：激光里程计和回路检测
1.激光里程计简介
2.激光里程计算法LOAM和VLOAM简单介绍
3.激光回路检测的特殊性和主要难点
4.伯克利的BLAM和谷歌Cartographer中回路检测的核心思路介绍
5.实例: LOAM, Cartographer测试
第八课：地图以及无人驾驶系统
1.SLAM中的不同地图系统介绍
2.高精度地图介绍
3.语义地图介绍
4.拓扑地图介绍
5.实例：粒子滤波定位实现
第九课：视觉和无人机、室内辅助导航和AR/VR
1.视觉SLAM的整体重述和实战
2.SLAM、无人机和状态机
3.Google Tango 和盲人导航
4.SLAM的小刺激：AR/VR
5.实例：视觉SLAM的AR实例
第十课：深度学习和SLAM
1.SLAM的过去、现在和未来
2.长航程SLAM的可能性
3.单目深度估计和分割和场景语义
4.动态避障
5.新的特征表达
6.课程总结
下载地址
回复可查看课程下载链接&提取码(10)
|
|
发表于 2019-3-21 21:11
