如何從零開始系統化學習視覺SLAM？

本文轉載自查看原文 2019-04-13 22:32 1589 計算機視覺/ 從零開始/ 學習slam/ 視覺SLAM

什么是SLAM？

在這里插入圖片描述
SLAM是 Simultaneous Localization And Mapping的英文首字母組合，一般翻譯為：同時定位與建圖、同時定位與地圖構建。雖然聽起來比較拗口，但SLAM卻是三維視覺的核心技術，廣泛應用於AR、自動駕駛、智能機器人、無人機等前沿熱門領域。可以說凡是具有一定行動能力的智能體都擁有某種形式的SLAM系統。關於SLAM的具體應用場景介紹可以看《SLAM有什么用？》

SLAM是計算機視覺技術的下一個風口

相比於計算機視覺領域的另一個熱門：深度學習，SLAM技術尚處於技術爆發前期。這是因為：

在學術研究方面：從最近幾年計算機視覺的三大頂級會議CVPR, ICCV, ECCV 錄用論文來看，以SLAM技術為核心的三維視覺論文正在快速增長；

在硬件設備方面：以雙目相機、深度相機為代表的消費級3D相機最近幾年發展迅猛，國內外已經形成了成熟的產業鏈。3D相機在智能手機、智能眼鏡等設備上應用越來越多，以手機為例，蘋果、華為、小米、OPPO、VIVO等手機大廠都在積極推動深度相機在手機上的普及。

在應用場景方面：最近幾年無人機，智能機器人，自動駕駛汽車，AR設備的快速發展也極大促進SLAM技術在現實場景中的應用。

在這里插入圖片描述

雷軍說，站在時代的風口，豬都能飛起來。可以預見，SLAM技術是計算機視覺技術繼深度學習后的下一個爆發的風口，關於這方面詳情見《為什么要學SLAM？》。

學習SLAM如何入門？

那么，想要學習SLAM如何入門呢？

我們還是先拿深度學習做個對比。從研究角度出發，深度學習相對容易入門，這是由於深度學習本身黑盒子的特點，很多從業者不需要了解圖像處理、計算機視覺的基礎知識便可以得到一個相對較好的結果，因此入門門檻並不是很高。但事情都具有兩面性，門檻越低的行業，也容易被替代。

而學習SLAM則需要具備三維空間剛體變換、相機成像模型、特征點提取與匹配、多視角幾何、非線性優化等內容。這對於非該領域的從業者來說算是較高的門檻，也需要花費不少的時間來打基礎。這個過程可能比較痛苦，但是熬過了這個過程，你就擁有了自己獨有的核心競爭力，不用擔心輕易被取代，未來會有非常強的競爭力。

但是目前關於SLAM學習的資料不多，而且參差不齊，初學者推薦高翔的《視覺SLAM十四講》，該書也是本教程的必備參考書籍，雖然本書寫的已經比較基礎，但很多小伙伴在學習期間仍然會遇到很多困難：公式看不懂，代碼不會寫，不知道怎么入手等，白白浪費了時間和精力，甚至因此放棄了該方向的研究，白白錯過了時代的風口。

有沒有好的入門方法？

首先，我們來看看入門都需要哪些知識。這篇文章告訴你《學習SLAM到底需要學什么？》，以下是筆者所總結的SLAM學習的知識樹：

在這里插入圖片描述

《從零開始學習SLAM》知識星球

掃碼即可加入學習！

支持三天內無條件退款（退款2次無法再加入）
在這里插入圖片描述

有效期一年，平均每天不到0.3元，就能夠和一群優秀的SLAM從業者一起交流進步，甚至解決就業問題。AI時代，最好的投資就是投資自己的大腦。

《從零開始學習SLAM》知識星球

星主是中科院畢業博士，目前在某CV公司從事視覺SLAM相關研究工作。星球主要有以下幾個亮點：

1、技術介紹全面，不枯燥。該系列從最基礎的知識開始介紹，一次只介紹一個具體的知識點，以形象生動的公眾號圖文結合視頻課程，一點點深挖SLAM的各個重要技術點。有效期一年（從加入時間開始往后一年有效，到期仍可查看之前所有內容，查看新內容需續費），平時忙也沒關系，有空可以反復看。

2、有習題，重視實踐。筆者會根據不同知識點設計一些實用性的練習題（推導、編程等），俗話說，光看不做假把式，適當的練習能夠加深讀者的理解，把知識消化吸收為自己所用。

3、高質量的交流學習社區。練習題參考答案都會放到知識星球「從零開始一起學習SLAM」里，並會根據作業情況進行不定期講解。星球內所有成員都可以進行發布問題、分享知識、上傳資源、點贊、留言、贊賞、收藏等操作。而所有的交流討論、資源分享等都可以沉淀下來並方便日后查詢。遇到問題可以在星球里免費提問，星主看到后會及時答疑解惑。

4、精選SLAM常見面試題，定期發布在星球里，引導大家討論，並提供參考答案，幫助找工作的同學從容面試。目前已經有幾十條SLAM常見面試題目和詳細解答。

SLAM學習大綱

工具類

1、熟悉Linux指令及基本操作

2、熟悉Cmake基本操作

3、熟悉C++編程，能看懂會使用C++11新特性

4、熟悉Clion集成開發環境

5、熟練掌握計算機視覺庫OpenCV

6、熟練掌握幾何庫Eigen

7、熟練掌握李代數庫Sophus

8、熟練掌握點雲庫PCL

9、熟練掌握圖優化庫G2o

10、熟練掌握非線性優化庫Ceres

。。。

基礎知識

1、 SLAM發展概況，宏觀了解SLAM應用場景

2、使用齊次坐標的原因及應用

3、三維空間剛體旋轉的表示方法，重點是四元數、旋轉矩陣

4、李群李代數在SLAM中的應用背景、推導關鍵公式

6、雙目相機模型

7、 RGB-D相機成像原理

8、點雲處理

9、相機畸變模型及去畸變方法

10、對極幾何

11、單應矩陣

12、相機標定

13、特征點提取、匹配、篩選

14、視覺里程計

15、梯度下降、牛頓法、高斯牛頓、LM、圖優化方法

16、PNP、ICP、Bundle Adjustment

17、回環檢測

。。。

亮點

1、優秀論文講解

2、 RGB-D稠密重建

3、點雲網格化

4、三維模型重建

5、從零開始手寫一個完整SLAM

。。。

注：

1、新進星球的同學可以關注置頂的“內容快速導航”，盡早跟上節奏。

2、一般隔一段時間會集中視頻講解一下作業，梳理一下常見問題和注意事項，所以大家沒提交作業的盡早提交哈。做的不好沒關系，關鍵要真的去做作業。

3、本課程優勢：

會增加比較實用的知識（如點雲處理、三維重建等）和編程經驗（調試方法、容易出錯點講解）

練習題實用性強，所有提交的作業都會批改，及時指出錯誤，也可以從其他人的作業中發現不同的做法，快速提高

重點公式/代碼細致講解

循序漸進寫出一個完整SLAM

研究方向選擇、考研/考博、工作選擇等問題都可以免費提問

知識星球需付費加入，隨着人數增多，會適當調高價格，越早加入價格越優惠。此外，星球還會紅包獎勵積極分享、解答問題的成員，只要每天0.3元，就能夠把握時代的風口，和一群優秀的SLAM從業者一起交流進步，甚至解決就業問題。快用微信掃下面二維碼加入SLAM學習圈~

在這里插入圖片描述

下面是星球里的部分討論交流截圖：

（由於顯示格式問題，圖片顯示有問題，建議閱讀原文：如何從零開始系統化學習視覺SLAM？）

如果沒有考慮好是否加入星球也沒關系。可以關注筆者公眾號：計算機視覺life

可以查看、學習以下筆者發布的SLAM學習系列文章，都是免費的哦～

把握時代風口，越早加入越有價值~

以下是公眾號部分文章：

由於格式問題，部分鏈接顯示有問題，建議閱讀原文：如何從零開始系統化學習視覺SLAM？

研究SLAM，對編程的要求有多高？

新型相機DVS/Event-based camera的發展及應用

最近三年開源「語義SLAM/分割/建模」方案介紹

超詳細干貨 | 三維語義分割概述及總結

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 RAC系統化學習 docker系統化學習圖文+視頻教程 springcloud系統化學習圖文+視頻教程 Linux 系統化學習系列文章總目錄（持續更新中） Mybatis-Plus系統化學習之環境准備與簡單使用 DF-SLAM：基於深層局部特征的深度學習增強型視覺SLAM系統從零開始一起學習SLAM | 為什么要學SLAM？從零開始一起學習SLAM | SLAM有什么用？視覺SLAM詳細學習路線全規划！從零開始一起學習SLAM | 學習SLAM到底需要學什么？