與超過 1200萬 開發(fā)者一起發(fā)現(xiàn)、參與優(yōu)秀開源項(xiàng)目，私有倉庫也完全免費(fèi) ：）

　　為確保你提交的代碼身份被 Gitee 正確識(shí)別，請執(zhí)行以下命令完成配置

　　初次使用 SSH 協(xié)議進(jìn)行代碼克隆、推送等操作時(shí)，需按下述提示完成 SSH 配置

　　使用 HTTPS 協(xié)議時(shí)，命令行會(huì)出現(xiàn)如下賬號(hào)密碼驗(yàn)證步驟。基于安全考慮，Gitee 建議配置并使用私人令牌替代登錄密碼進(jìn)行克隆、推送等操作

　　由于 Git 不支持空文件夾，創(chuàng)建文件夾后會(huì)生成空的 .keep 文件

　　# 一步一步學(xué)SLAMSLAM的全稱是Simultaneous Localization and Ming，同時(shí)定位與地圖構(gòu)建，就是通過激光或者視覺等傳感器掃描環(huán)境，構(gòu)建環(huán)境地圖并同時(shí)給自己定位。這項(xiàng)技術(shù)是人工智能的感知部分，就是通過傳感器將環(huán)境重建成數(shù)字模型并定位，從而實(shí)現(xiàn)AR、無人駕駛、自主探險(xiǎn)等等應(yīng)用。雖然經(jīng)過了多年的發(fā)展，視覺SLAM取得了很大的進(jìn)步，已逐步從實(shí)驗(yàn)室走向了應(yīng)用，但是視覺SLAM仍然面臨很多的挑戰(zhàn)，例如動(dòng)態(tài)環(huán)境下如何魯邦的重建環(huán)境、如何實(shí)現(xiàn)與語義分割等有機(jī)融合、如何實(shí)現(xiàn)人類使用認(rèn)知的方式完成精密三維重建等等。## 1. 為何學(xué)習(xí)SLAM？隨著機(jī)器人、AR、自動(dòng)駕駛的爆發(fā)式增長，SLAM方向的需求量仍在上升，而相關(guān)從業(yè)者相對(duì)較少，具備扎實(shí)基礎(chǔ)知識(shí)，強(qiáng)大編程實(shí)現(xiàn)能力的人更少。目前對(duì)SLAM技術(shù)需求強(qiáng)烈的公司包括：互聯(lián)網(wǎng)公司如百度、騰訊、阿里、京東等，計(jì)算機(jī)視覺算法公司如曠世、虹軟、商湯等，自動(dòng)駕駛創(chuàng)業(yè)公司如圖森、momenta、景馳、馭勢、滴滴及各大汽車廠商等，無人機(jī)/機(jī)器人公司如大疆、思嵐、高仙等，AR移動(dòng)終端應(yīng)用相關(guān)公司如三星、華為、悉見等。SLAM的實(shí)現(xiàn)是一類復(fù)雜的程序，包括數(shù)學(xué)、操作系統(tǒng)、多線程、C++、STL、CMake、大量第三方庫等等，因此通過學(xué)習(xí)SLAM能夠掌握復(fù)雜軟件系統(tǒng)的設(shè)計(jì)、程序高級(jí)技巧，有了這些能力與技巧，后續(xù)做其他項(xiàng)目就會(huì)變得簡單。**因此學(xué)習(xí)SLAM對(duì)[《個(gè)人的綜合能力》](Targets.md)的提升有著非常顯著的作用，希望大家能夠腳踏實(shí)地、一步一步去學(xué)習(xí)。**## 2. 為什么學(xué)習(xí)SLAM比較難？1. 深度學(xué)習(xí)在檢測、識(shí)別領(lǐng)域具有強(qiáng)大的能力，但是在涉及**多視角幾何相關(guān)的SLAM領(lǐng)域，深度學(xué)習(xí)的作用仍然有限**。究其原因是因?yàn)樵诙嘁暯菐缀螢榛A(chǔ)的SLAM領(lǐng)域，需要明確清晰的理論基礎(chǔ)保證，而深度學(xué)習(xí)的「黑盒子」模型目前還不是特別有效。2. **SLAM技術(shù)門檻較高**。深度學(xué)習(xí)爆發(fā)后，很多非計(jì)算機(jī)視覺領(lǐng)域的從業(yè)者紛紛轉(zhuǎn)而學(xué)習(xí)深度學(xué)習(xí)，由于深度學(xué)習(xí)本身黑盒子的特點(diǎn)，很多從業(yè)者不需要了解圖像處理、計(jì)算機(jī)視覺的基礎(chǔ)知識(shí)便可以得到一個(gè)相對(duì)較好的結(jié)果，因此入門門檻并不是很高。而SLAM需要非常多的數(shù)學(xué)、優(yōu)化、數(shù)值計(jì)算、編程等技能，程序需要手工設(shè)計(jì)與實(shí)現(xiàn)，細(xì)節(jié)比較多，因此會(huì)卡住很多人。學(xué)習(xí)SLAM需要具備三維空間剛體變換、相機(jī)成像模型、特征點(diǎn)提取與匹配、多視角幾何、光束平差、數(shù)值優(yōu)化、程序優(yōu)化等內(nèi)容。這對(duì)于非該領(lǐng)域的從業(yè)者來說還是具有較高的門檻。3. **需要高超的編程水平**：SLAM是一類比較復(fù)雜的軟件系統(tǒng)，包括了大量的基礎(chǔ)知識(shí)和技巧，主要有操作系統(tǒng)、多線程、C++編程、OpenGL。此外由于SLAM是一類實(shí)時(shí)處理的程序，因此對(duì)程序的性能優(yōu)化有非常高的要求，因此比類似的技術(shù)structure from motion （SfM）難度高了不少。## 3. 學(xué)習(xí)內(nèi)容和需要達(dá)到的目標(biāo)SLAM的入門一直都是很多初學(xué)者的噩夢，但請不用怕，時(shí)至今日，它的理論和實(shí)踐參考都已經(jīng)非常完善，了解他們對(duì)于[《個(gè)人的綜合能力》](Targets.md)提升非常大，可以將SLAM相關(guān)的知識(shí)分為以下幾類：1. 幾何理論： 多視圖幾何是認(rèn)識(shí)SLAM中元素組成及其關(guān)聯(lián)的核心，了解幾何之后，即使不明白其具體的優(yōu)化計(jì)算處理，也至少可以明白模塊之間的輸入輸出，從而對(duì)大問題進(jìn)行分解，是SLAM學(xué)習(xí)最基礎(chǔ)的知識(shí)；2. 編程： Linux系統(tǒng)的使用及程序工程能力是SLAM實(shí)踐的關(guān)鍵，正確使用工具能讓你少走彎路；3. 計(jì)算機(jī)視覺（CV）：SLAM的前端主要作用是獲取高質(zhì)量的觀測信息，決定了系統(tǒng)魯棒性，區(qū)別與SLAM專屬的數(shù)學(xué)及圖優(yōu)化處理，前端的理解往往比較直觀，但涉及大量的工程處理；4. 數(shù)學(xué)及優(yōu)化： SLAM的后端決定了系統(tǒng)的整體精度，它涉及較多的數(shù)學(xué)，需要一定的耐心和鉆研；## 4. 如何學(xué)習(xí)SLAM？### Stage0: 基礎(chǔ)知識(shí)學(xué)習(xí)（[C++](，[Linux](）* [C++](大部分的SLAM程序通過C++實(shí)現(xiàn)，由于需要很高的執(zhí)行效率，因此大部分的程序使用了較多的C++技巧 - 需要考慮如何評(píng)估自己的C++能力是否適應(yīng)SLAM編程的需求，如果自己的能力不夠，該如何學(xué)習(xí)？從哪里找資料去學(xué)習(xí)？ - 如果C++能力比較弱，可以參考[《一步一步學(xué)編程》](學(xué)習(xí)C++編程、數(shù)據(jù)結(jié)構(gòu)與算法、編程項(xiàng)目等練習(xí)* [Linux](由于大部分的SLAM系統(tǒng)開發(fā)都在Linux下面進(jìn)行，因此非常有必要先把[Linux的基本操作](學(xué)會(huì) - 基本的命令，如何安裝軟件包，如何查找軟件包等等 - 如何在Linux下編譯軟件，如何使用[CMake](如何使用Linux下面的IDE，例如QtCreator，KDevelop等等 ### Stage1: [OpenCV學(xué)習(xí)](1_OpenCV)* [OpenCV的基本，`Mat`以及對(duì)應(yīng)的基本操作](讀取圖像，顯示圖像](特征點(diǎn)提取，特征點(diǎn)匹配](相機(jī)標(biāo)定原理與程序](， Essential Matrix* 簡單的圖像拼接（利用Homograph等）### Stage2: SfM基本原理* Structure from Motion原理，可以參考[《Mastering OpenCV with Practical Computer Vision Projects》的第四章](references/MasteringOpenCV/MasteringOpenCV.)* 相機(jī)成像基本原理* 坐標(biāo)變換基本原理* 最簡單流程的程序理解，改進(jìn)* Bundle Adjust原理* 如何編譯示例程序: [SequenceSfM](示例程序[SequenceSfM](存在什么問題？怎么改進(jìn)？* 在學(xué)習(xí)SfM過程，也可以看一下[《SLAM十四講》](references/視覺SLAM十四講)### Stage3: SLAM十四講與相關(guān)庫* SLAM十四講學(xué)習(xí)方法 - 先快速把[《SLAM十四講》](references/視覺SLAM十四講)過一遍 - 主要是相機(jī)成像，三維的點(diǎn)如何變成二維上的點(diǎn)，把這個(gè)里面的公式搞通了，后面的一些東西就容易理解，好多公式是基于相機(jī)成像模型來進(jìn)行推導(dǎo)的。 - 在進(jìn)行學(xué)習(xí)的同時(shí)可以配合[作業(yè)](6_homework)達(dá)到練習(xí)的效果。- 在看書學(xué)習(xí)的基礎(chǔ)上，需要嘗試自己獨(dú)立編寫處理模塊，例如特征點(diǎn)提取，特征點(diǎn)匹配，初始化，三角化。。。 * SLAM相關(guān)庫操作 - Eigen3 - G2O - [Ceres](5_Ceres/README.md) - OpenGL - Qt - [Pangolin](：閱讀并改進(jìn)已有的SLAM系統(tǒng)* 建議從 [VINS-Fusion](開始學(xué)習(xí)* 如何編譯程序？* 這個(gè)程序分成幾個(gè)模塊，各個(gè)模塊都完成什么工作，模塊之間是如何銜接的？* 能否將輸入數(shù)據(jù)替換成自己錄制的數(shù)據(jù)？能否把輸出、顯示改成自己的程序？* 通過一步一步的仿真、增加算法模塊，在具體任務(wù)的牽引下完成對(duì)SLAM的改進(jìn)，具體參考：[SLAM練習(xí)開發(fā)項(xiàng)目](4_Projects)### Stage5：在消化吸收已有SLAM實(shí)現(xiàn)的基礎(chǔ)上，編寫自己的SLAM系統(tǒng)* 在消化吸收已有SLAM程序的基礎(chǔ)上，逐個(gè)模塊替換成自己寫的模塊## 5. 學(xué)習(xí)的建議1. 不要想從空白一步到位自己獨(dú)立編寫出一個(gè)SLAM系統(tǒng)，SLAM是一個(gè)非常復(fù)雜的軟件系統(tǒng)，包含了大量的數(shù)學(xué)、編程知識(shí)、編程技巧的系統(tǒng)，**需要先建立感性認(rèn)識(shí)，然后熟悉各個(gè)技術(shù)模塊，然后在有一點(diǎn)理解的基礎(chǔ)上嘗試集成、修改、改進(jìn)等等**。2. 由于SLAM包含了大量的數(shù)學(xué)知識(shí)、編程知識(shí)，因此強(qiáng)烈建議采用廣度優(yōu)先的方法來學(xué)習(xí)，即首先建立整體的感性認(rèn)識(shí)；然后針對(duì)每一個(gè)技術(shù)模塊了解其目的、意義、調(diào)用的方法等等；然后通過整合的方式去理解整體的銜接、組織。在不斷深入理解的過程中，深入學(xué)習(xí)各個(gè)部分的數(shù)學(xué)原理、公式推導(dǎo)、公式如何轉(zhuǎn)化成程序等等。否則一上來扎入復(fù)雜的公式，很有可能迷失方向。3. **需要大量的編程練習(xí)！?。⌒枰罅康木幊叹毩?xí)?。。?*SLAM其實(shí)真正難的并不完全是數(shù)學(xué)，通過庫函數(shù)調(diào)用其實(shí)已經(jīng)屏蔽了數(shù)學(xué)基本原理。最難的是需要比較高的編程技能，才能駕馭SLAM這類復(fù)雜的軟件系統(tǒng)。因此如果自己覺得自己編程內(nèi)功還欠火候，強(qiáng)烈建議同步練習(xí)編程的基本，自己設(shè)想一些不是太復(fù)雜，但是比較綜合的小項(xiàng)目來練手。例如[《Learn Programming》中的Stage4，Stage5的題目](，通過項(xiàng)目、代碼重構(gòu)學(xué)習(xí)如何分析、處理比較復(fù)雜的問題。將這些知識(shí)與經(jīng)驗(yàn)遷移到SLAM上，就是的學(xué)習(xí)SLAM程序沒有那么難。4. 強(qiáng)烈建議各位可以從structure from motion (SfM) 開始學(xué)習(xí)，因SfM是批處理的方式，方便理解每一個(gè)步驟的操作。通過構(gòu)建比較好的輸入數(shù)據(jù)，可以單獨(dú)實(shí)現(xiàn)、測試每一個(gè)步驟。前輩們的經(jīng)驗(yàn)分享：* [2013年進(jìn)實(shí)驗(yàn)室 趙勇](./experiences/zhaoyong2021.md)## 6. 參考資料### 6.1 SLAM實(shí)現(xiàn)* [VINS-Fusion](教程等* [《一步一步學(xué)編程》](《飛行器智能感知與控制實(shí)驗(yàn)室-暑期培訓(xùn)教程》](（視頻）](分鐘學(xué)Python](《一步一步學(xué)ROS》](圖書與學(xué)習(xí)資料* 參考圖書 * 《視覺SLAM十四講》 * 《計(jì)算機(jī)視覺中的多視圖幾何》（《Multiple View Geometry in Computer Vision》） * 《機(jī)器人學(xué)中的狀態(tài)估計(jì)》 * 《STL源碼剖析》 * 《Effective C++》 * 《ROS機(jī)器人開發(fā)實(shí)踐》 * 《概率機(jī)器人》* 學(xué)習(xí)資料 * [SLAM從入門到放棄——學(xué)習(xí)SLAM 學(xué)習(xí)機(jī)器人 書籍推薦](聊聊這兩年學(xué)習(xí)slam啃過的書！](其他參考資料* [高翔博士的SLAM思維導(dǎo)圖](images/SLAM_AllInOne.png)* [Linux](編程代碼參考、技巧集合](：可以在這個(gè)代碼、技巧集合中找到某項(xiàng)功能的示例，從而加快自己代碼的編寫

　　 GNU LESSER GENERAL PUBLIC LICENSE Version 3, 29 June 2007 Copyright (C) 2007 Free Software Foundation, Inc.

　　此處可能存在不合適展示的內(nèi)容，頁面不予展示。您可通過相關(guān)編輯功能自查并修改。九游體育官網(wǎng)

　　如您確認(rèn)內(nèi)容無涉及 不當(dāng)用語 / 純廣告導(dǎo)流 / 暴力 / 低俗色情 / 侵權(quán) / 盜版 / 虛假 / 無價(jià)值內(nèi)容或違法國家有關(guān)法律法規(guī)的內(nèi)容，可點(diǎn)擊提交進(jìn)行申訴，我們將盡快為您處理。