如何更高效的学习SLAM？

2021-09-07 09:34 作者:计算机视觉life 0人读过 | 我要投稿

SLAM正确学习姿势

后台和粉丝群里经常收到大家的问题：

机械/自动化/数学等非计算机专业能否转SLAM？
导师不懂，但要我做SLAM方向，怎么入门？
编程基础差，数学不好，能否学习SLAM？
看完十四讲，下面怎么学习？
需要学哪些开源框架？怎么学习呢？
编译遇到很多问题，怎么解决？
只有自己一个人学SLAM，没人讨论好痛苦，怎么办？
想要和小伙伴组队系统的学习，有资源吗？

这里可以肯定的告诉大家，这些问题在我们「从零开始学习SLAM」知识星球里都有，我们是全国最棒的SLAM/三维视觉交流社区，包括小白入门图文/视频教程、学习过程疑难点解答、每日最新论文/开源代码/数据集分享、在线学习小组、笔试面试题、实习/校招/社招岗位推荐、星主直播交流等。

限时3天优惠券，名额有限先到先得。3天内无条件退款

笔者之前专门做直播讲解了SLAM的简介，包括

SLAM是什么？
SLAM有什么用？
SLAM技术框架
学习SLAM如何入门？
SLAM发展趋势
。。。

扫描二维码看直播回放

相信很多学习SLAM的小伙伴通常会经历以下阶段：

看SLAM相关的论文，发现很多公式、理论看不懂，好不容易努力看了个大概，也不知道具体怎么用。
于是去跑开源代码，安装调试出错，网上也找不到解决方案。不知道是环境配置问题还是代码有bug。
好不容易跑通了代码。在实际测试时发现问题很多，远不如论文里写的那么牛逼，不知道这个算法的适用场景是什么。抓不住重点瞎折腾，浪费了时间。
没办法，硬着头皮去看代码，代码量又非常大，看起来非常痛苦，急需大牛帮忙梳理思路。
摸索了很久，终于发现有几个点（藏的很深）好像比较影响算法性能，还发现了一些trick的东西。自己也不会改进，感觉被骗了，纠结要不要换个开源试试。
反反复复好不容易找到适合自己的开源方案，发现上面过程要再来一遍，想要理清代码，搞懂原理也要花费大量精力，更别提改进代码了。
哭晕在SLAM的汪洋大海里。。。

学习SLAM中经历上述阶段是令人痛苦的，关键是浪费了很多宝贵的时间，即使是SLAM大神，我估计或多或少都经历过上述阶段。如果一开始有人能指点一下，肯定能绕开不少坑吧！

SLAM知识星球里有啥？

「从零开始学习SLAM」知识星球是全国最大的SLAM/三维视觉学习社区，星球里包括小白入门图文/视频教程、学习过程疑难点解答、每日最新论文/开源代码/数据集分享、在线学习小组、笔试面试题、实习/校招/社招岗位推荐、星主直播交流等从入门到精通，从学生到职场的所有内容。见下图。很多小伙伴加入我们的知识星球后，感慨：“终于找到组织了！”

SLAM知识星球内容有哪些？

SLAM星球内部组织了多次学习小组，并陆续续推出以下独家系列视频教程：

《从零开始系统学习代码调试：磨刀不误砍柴工》

《两个月从零开始搞懂G2O库》

《两个月从零开始学会Ceres库》

《两个月从零开始系统学习OpenCV》

《两个月从零开始系统学习PCL》

后续还会更多的源码解析，重点突破等学习计划~欢迎加入！

以下是最近一段时间星球里的部分优质内容整理，星球成员直接复制链接到浏览器即可查看。

/ 向下滑动查看 /

传感器使用及标定

T265 D435 相机标定

https://t.zsxq.com/FYz3zjm

双目标定问题

https://t.zsxq.com/myRby7e

相机选择方法

https://t.zsxq.com/7QjmIQR

ros修改相机分辨率方法

https://t.zsxq.com/iyrnmeQ

相机在线光度标定

https://t.zsxq.com/qZRFYf6

深度相机对比

https://t.zsxq.com/UBQfEey

imu位姿积分及误差标定代码

https://t.zsxq.com/zzbeyZZ

Imu各种噪声参数详解

https://t.zsxq.com/6ImAeMR

标定单目-激光雷达外参标定代码

https://t.zsxq.com/7iEIMjM

鱼眼MEI模型详解

https://t.zsxq.com/EmQnUFE

点线面特征

如何计算图像特征点匹配中匹配点的个数和错误匹配的个数？

https://t.zsxq.com/NBMj2vF

适合长直走廊场景点线融合slam

https://t.zsxq.com/NN7iiuR

初始化地图点分布不均匀或者太少影响及IMU的累计误差对恢复的尺度的影响分析 https://t.zsxq.com/U7i6iuf

点云特征提取的相关算法实验

https://t.zsxq.com/feeeQZz

小车平面运动约束相关论文推荐

https://t.zsxq.com/Iaaa2Zf

浙大章国峰组新开源！基于多平面先验的高效VIO

https://t.zsxq.com/UVbMVR7

图像匹配算法推荐https://t.zsxq.com/fma6iEA

深度学习的特征提取匹配方法

https://t.zsxq.com/bIaMJmu

ORB-SLAM2/3的改进方案及代码

快速剔除特征匹配中动态物体

https://t.zsxq.com/JyfMzfY

单目模式生成稠密地图论文

https://t.zsxq.com/MvvVnUZ

使用深度相机得到较稠密的大型场景点云地图方法

https://t.zsxq.com/yZVjIYV

实现室内无人小车定位建图的教程、方案

https://t.zsxq.com/BQFeQz3

采用点特征线特征结合的开源方案

https://t.zsxq.com/BEIaUNJ

结合图像处理去模糊https://t.zsxq.com/Iq7i6yr

ORB-SLAM2课程群里问答汇总https://t.zsxq.com/ujiayvb

不同系统安装ORB-SLAM2的详细方法

https://t.zsxq.com/MFEmuvZ

orbslam2代替amcl做视觉导航的方案

https://t.zsxq.com/2fUJ6ei

地图构建类中加入octomap地图方法

https://t.zsxq.com/Z3J2fmy

ORB-SLAM2中的相机配置文件参数说明

https://t.zsxq.com/vZzzzBA

orbslam3注释代码 https://t.zsxq.com/Zzj6mmA

基于orbslam2和yolo的语义slam论文

https://t.zsxq.com/33zVFIM

orbslam2特征提取和匹配加速方案https://t.zsxq.com/vVFmuF6

RGBD ORBSLAM2 with Octomap代码

https://t.zsxq.com/mAAUJY7

Orb-slam2/3相关改进代码汇总

https://t.zsxq.com/6IMbMzJ

orb-slam2改成直接法https://t.zsxq.com/bujUFqf

RGB-D模式建立大环境三维点云图及语义方法

https://t.zsxq.com/NRneufu

orbslam2里处理外点方法 https://t.zsxq.com/3FYJaQn

ORB-SLAM在不同平台的移植https://t.zsxq.com/YfaEImM

ORB-SLAM2/3地图加载和存储代码 https://t.zsxq.com/2bmeyzj

TUM做的ORB-SLAM2的拓展版本，地图存储及重定位

https://t.zsxq.com/yrRJe6e

激光SLAM

激光雷达和IMU标定的文章https://t.zsxq.com/NR3nmYZ

激光slam代码资料汇总https://t.zsxq.com/EiiIiQ3

激光雷达imu硬同步https://t.zsxq.com/vvjMRRZ

BA用在激光slam中应用方案 https://t.zsxq.com/yJYV7eE

3D激光slam开源算法综合性能高的推荐方案 https://t.zsxq.com/FeurNZn

激光slam开源资料https://t.zsxq.com/3NFIAYf

无人车定位如激光定位或者多传感器融合定位方面的资料和方法

https://t.zsxq.com/YF6qrb2

VIO及多传感器融合

多传感器融合方面的综述或者论文https://t.zsxq.com/Jia2VZ7

RGB-D和IMU松耦合的定位方案https://t.zsxq.com/meyFmau

RGB-D 和IMU紧融合的开源方案https://t.zsxq.com/MrRJQnI

EKF多传感器融合教程及公开课 https://t.zsxq.com/bynYbyn

VIO或者多传感器融合的论文https://t.zsxq.com/u3rjmqj

开源的松耦合的vio系统https://t.zsxq.com/EqvjaAy

二维(单线)激光雷达和RGBD相机融合的开源SLAM建图方案

https://t.zsxq.com/7Q3Rnmi

激光雷达和相机的融合方案 https://t.zsxq.com/ufEUN3N

机器人避障及路径规划

基于视觉的移动机器人避障项目推荐https://t.zsxq.com/NfyjYzN

实现机器人在离线模式下腔体内的避障https://t.zsxq.com/vnaQVJ6

移动机器人主动环境探索，路径规划相关的SLAM论文及代码汇总

https://t.zsxq.com/i6aeuRr

移动机器人平台资料https://t.zsxq.com/vf2R7E6

深度相机做机器人导航的开源案例https://t.zsxq.com/3ZzZbY7

动态路径规划和避障项目及论文 https://t.zsxq.com/7miyNjY

不同场景下SLAM开源方案

动态场景下视觉slam开源框架汇总：https://t.zsxq.com/fa6Qz3B

基于支持向量机svm的视觉slam开源代码https://t.zsxq.com/nIUJqZF

slam实验室大全，以及83种slam开源方案https://t.zsxq.com/EEImUbm

svo在平视相机的改进的论文或者代码https://t.zsxq.com/MrFm6A6

小场景、弱纹理、光照差的巷道SLAM方案https://t.zsxq.com/iURVNnE

自主代客泊车视觉定位方案探索https://t.zsxq.com/vvnq7YB

动态背景下的视觉slam方案推荐 https://t.zsxq.com/n6AEEQV

三维重建及地图

在线构建稠密地图或八叉树地图的开源推荐

https://t.zsxq.com/FeIIYz3

点云表面重建泊松重建https://t.zsxq.com/3FiAQbM

双目数据集实现三维重建https://t.zsxq.com/ZFIeeu3

三维重建各方面的课程论文资料 https://t.zsxq.com/i6uNrfq

较高精度的室内三维建模https://t.zsxq.com/mmIIYNR

RGB-D稠密重建方案汇总 https://t.zsxq.com/3ZFyVf2

将直接稀疏里程计转为稠密三维重建https://t.zsxq.com/iEufeM7

RGBD 3D点云重建论文及开源汇总 https://t.zsxq.com/ZJEyNz7

学习教程

学习G2O有比较好的资料推荐https://t.zsxq.com/3fEYzbq

视觉惯性里程计的相关资料汇总https://t.zsxq.com/QFaqj6M

光流的资料汇总 https://t.zsxq.com/RfQNrvZ

视觉SLAM十四讲第13讲的代码解读https://t.zsxq.com/zBurJaU

回环检测关于深度学习的文献以及相对应的源代码

https://t.zsxq.com/Qrr3JUj

视觉SLAM/里程计资源汇总 https://t.zsxq.com/aYB6Yji

激光点云目标检测、目标跟踪、动态语义SLAM

https://t.zsxq.com/j2b2bAu

CMake 系列视频讲解https://t.zsxq.com/EaUNJiU

理解李群李代数https://t.zsxq.com/N7UJYfE

EPnP的推导文档https://t.zsxq.com/uzVfEq3

如何快速查找研究领域论文、代码、资料的方法

https://t.zsxq.com/eQzR76M

无人驾驶技术电子书 https://t.zsxq.com/2zfyFmI

PCL视频教程 https://t.zsxq.com/AMVnuNf

深度学习相关的slam论文https://t.zsxq.com/2bqn6IQ

RGB-D SLAM相关的主要论文

https://t.zsxq.com/3JI2JuZ https://t.zsxq.com/3JI2JuZ

数据集及效果评估方法

EVO工具评估TUM、KITTI、EuRoC 数据集方法

https://t.zsxq.com/JY7yJ2n

实际单目摄像头怎么评判误差及尺度 https://t.zsxq.com/YN3fIub

单目没有尺度怎么衡量误差？https://t.zsxq.com/EAUFuRj

特征点匹配的准确率该怎么评判https://t.zsxq.com/rJa6eea

回环检测标准及评估方法汇总 https://t.zsxq.com/vJm2b2v

单目没有尺度如何评估准确率https://t.zsxq.com/aaeia6U

怎么评价slam建图效果？https://t.zsxq.com/jim6qVf

特征点匹配的准确度公开数据集和测试方法

https://t.zsxq.com/3NBI2NN

在自定义场景做实验时，评价定位精度误差等指标，评价方法工具推荐

https://t.zsxq.com/IaQvNna

SLAM最全数据集汇总 https://t.zsxq.com/b6URfU7

SFM有什么通用的定量评价指标https://t.zsxq.com/RrFq7qv

如何能评价建图的精度https://t.zsxq.com/YFujYv7

画出真实轨迹与估计轨迹误差图https://t.zsxq.com/BAaQNFm

户外的回环检测数据集https://t.zsxq.com/YJEMRbq

Kitti数据集的真值轨迹如何获取 https://t.zsxq.com/m2juj6m

无人驾驶的数据集汇总https://t.zsxq.com/qBIiYzV

......

在星球里我还经常收到很多小伙伴的提问，比如：机械专业转行学SLAM难吗？C++不会能学SLAM吗？SLAM十四讲需要学到什么程度？学完十四讲后下一步

怎么办？小白入门SLAM需要多久？传统SLAM好发论文吗？导师不带一个人学怎么办？这个报错啥意思，怎么解决？有没有关于XXX的开源代码？......

说实话，这些迷茫我都经历过，所以深有体会。这些问题大部分来自「从零开始学习SLAM」知识星球，我在星球里也做了回复。

我们的SLAM知识星球学习交流社区，包含：

图文教程：从零开始学习SLAM图文教程、练习题及答案解析
视频教程：环境/第三方库配置使用、作业讲解、疑难/常见错误讲解、VO代码讲解、RGB-D SLAM教程、CMake系列教程、代码调试系列教程、G2O库系列教程、Ceres库系列教程
面试经验：SLAM常见面试题目及答案解析、SLAM笔试题目及答案、面试经验分享
参考资料：电子书、实用手册、每天SLAM最新论文、开源代码、开源数据集
工作机会：第一时间发布三维视觉、SLAM相关内推实习/校招/社招岗位、项目合作、硕博招生等
答疑解惑：包括作业解答、知识盲点梳理、科研问题答疑、调研调试方法、硕博方向选择等
交流机会：线上直播、线下聚会交流
优秀同学：星球内嘉宾和学员都非常优秀上进，早期加入的成员很多已经进入业界知名公司、高校研究机构开启了精彩的人生。主要来自：

公司：大疆、旷世、商汤、虹软、百度、腾讯、阿里、华为、四维图新、中科创达、英特尔、momenta、上汽、小鹏汽车、驭势、海康威视、达闼、极智嘉、肇观、华捷艾米、优必选、银星智能、普渡、高仙、视辰、indemind、中科慧眼等公司的视觉SLAM/激光SLAM/三维重建/多传感器融合/点云处理算法工程师、技术leader

留学生：慕尼黑理工、KIT、柏林工大、东京大学、筑波大学、瑞典皇家理工、苏黎世大学、多伦多大学、卡迪夫大学、新南威尔士大学、阿德莱德大学、约翰霍普金斯大学、谢菲尔德大学、国立台湾大学、香港理工、香港中文等境外留学生

国内硕博：清华、北航、北邮、北理工、中科院、上交、复旦、华东理工、上大、浙大、杭电、南大、南航、南邮、矿大、中科大、哈工大、西交、西电、武大、华科、成电、华南理工、广东工大、国防科大、东大、深大等国内优秀硕博士

不仅如此，计算机视觉life推出了系列精品课程，所有星球成员都能获得内部课程优惠券，详情见星球说明。今后我们将会推出更多机器人SLAM、自动驾驶、AR相关优质课程，星球成员都会第一时间享受内部优惠价。

星球里部分图文/视频教程见下：

星球里部分内容汇总见下：

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顶级会议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。

学习SLAM需要学什么？

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）