视觉SLAM详细学习路线全规划！
2020-04-25 11:42 计算机视觉life 阅读(2275) 评论(0) 编辑 收藏 举报什么是SLAM？
SLAM是 Simultaneous Localization And Mapping的 缩写，一般翻译为：同时定位与建图、同时定位与地图构建。
SLAM的典型过程是这样的：当某种移动设备（如机器人/无人机、手机、汽车等）从一个未知环境里的未知地点出发，在运动过程中通过传感器（如激光雷达、摄像头等）观测定位自身在三维空间中的位置和姿态，再根据自身位置进行增量式的三维地图构建，从而达到同时定位和地图构建的目的。
传统的视觉算法主要是对针对二维图像的处理，借助深度学习在分类识别方面取得了超越人眼精度的巨大成就，就像人眼是通过双眼立体视觉来感知三维世界一样，智能移动终端（比如智能手机、无人汽车、无人机、智能机器人）需要能够像人类一样利用SLAM算法来快速精确的感知、理解三维空间。
最近几年，以双目相机、结构光/TOF相机、激光雷达为代表的三维传感器硬件迭代更新迅猛，国内外已经形成了成熟的上下游产业链。三维视觉传感器也逐渐走入普通人的生活，在智能手机、智能眼镜等设备上应用越来越多，以手机为例，苹果、华为、小米、OPPO、VIVO等手机大厂都在积极推动结构光/TOF相机在手机上的普及。
SLAM技术为核心的三维视觉在学术界也是一个热门方向，从最近几年计算机视觉相关的*会议CVPR, ICCV, ECCV，IROS, ICRA 录用论文来看，视觉定位、三维点云识别分割、单目深度估计、无人驾驶高精度导航、语义SLAM等相关论文占比越来越高。
因此SLAM技术在最近几年发展迅猛，广泛应用于增强现实感知、自动驾驶高精度定位、机器人自主导航、无人机智能飞行等前沿热门领域。
关于SLAM的入门介绍及应用案例解析，可以看笔者在一次线下分享中，做的一个入门视频介绍，时长约55分钟
学习SLAM如何入门？
SLAM是涵盖图像处理、多视角视觉几何、机器人学等综合性非常强的交叉学科。
学习SLAM涉及线性代数矩阵运算、李群李代数求导、三维空间刚体变换、相机成像模型、特征提取匹配、多视角几何、非线性优化、回环检测、集束调整、三维重建等专业知识。SLAM是强实践学科，需要具有一定的C++编程能力，掌握Linux操作系统、Eigen, Sophus, OpenCV, Dbow, g2o, ceres等第三方库，能够快速定位问题，解决bug。
SLAM关联知识（点开查看大图）
这对于初学者来说无疑具有较高的门槛，也需要花费不少的时间来摸索重点，打好基础。这个过程可能比较痛苦，但是熬过了这个过程，你就拥有了自己独有的核心竞争力，不用担心轻易被取代，未来会有非常强的竞争力。
但是目前关于SLAM学习的资料不多，而且参差不齐，初学者推荐高翔的《视觉SLAM十四讲》，该书也是本教程的必备参考书籍
计算机视觉life总结了SLAM学习资源树（点击看大图）
但很多小伙伴在学习期间仍然会遇到很多困难：公式看不懂，代码不会写，不知道怎么入手，没有人指导或者一起讨论，很容易不得要领，进度极慢，走弯路等，不仅浪费了时间和精力，甚至因此放弃了该方向的研究，以后可能再也没有机会进入这个领域了，错过了时代的风口。
目前SLAM领域优秀企业列表（点开查看大图）
有没有好的教程和学习圈子，可以避免采坑，及时答疑解惑，少走弯路，快速入门？
《从零开始学习SLAM》知识星球
该星球已经创立600天，有1150+小伙伴加入学习，每天都有思维的碰撞，星球已经累计1500条优质主题，是少有以SLAM学习为主题的高质量知识星球。主要有以下几个亮点：
1、技术介绍全面。学习过程从基础的知识开始循序渐进，内容涵盖图文教程、视频教程、技术交流分享、工作机会。
2、专门设计的练习题，重视实践。星主根据不同知识点设计一些实用性的练习题（推导、编程等），所有提交作业都会批改。光看不做假把式，适当的练习能够加深读者的理解，把知识消化吸收为自己所用。
3、高质量的交流学习社区。星球成员来自国内外硕博士及相关公司研发人员。练习题，有专属内部实名微信群 帮助日常互助答疑解惑。所有成员都可以进行发布问题、分享知识、上传资源、点赞、留言、赞赏、收藏等操作。星球里提问均免费，星主会及时答疑解惑 。
4、精选SLAM常见面试题，定期发布在星球里，引导大家讨论，并提供参考答案，帮助找工作的同学从容面试。目前已经有几十条SLAM常见面试题目和详细解答。
见《干货总结 | SLAM 面试常见问题及参考解答》。星球内也会经常发布SLAM相关的实习生/校园/社会招聘。
如何加入知识星球？
知识星球需付费加入，价格随人数增加逐渐上涨，因此越早加入越优惠。有效期一年（从加入时间开始往后一年有效，到期仍可查看之前所有内容，查看新内容需续费），平时忙也没关系，有空可以反复看。
时间不等人，万事早为先。学习切忌单打独斗，一个良好的学习圈子能够帮助你快速入门，交流讨论才能少走弯路，快速进步！加入SLAM学习星球，把握时代的风口，和国内外优秀的SLAM研究者一起交流进步，甚至找到理想工作。3天内无条件退款。目前星球马上开始讲解ORBSLAM2 系列视频教程，等你来哦
现在加入还可以获得：
- SLAM星球入门系列练习题答案汇总
- SLAM星球问答整理
- 计算机视觉、SLAM入门学习资料
- 课程与项目视觉相关技术问题，有问必答
- 不定期SLAM相关求职招聘信息及经验分享
时间不等人，万事早为先，关注：计算机视觉life 公众号，回复：知识星球，获得SLAM学习资料，及加入星球方式