视觉SLAM从理论到实践

SLAM (simultaneous localization and mapping)是“同时定位与地图构建”的缩写，指某个传感器在空间运动过程中，一边对自身定位、一边构建周围环境结构的问题。SLAM被很多学者认为是实现真正全自主移动机器人的基础技术，并在机器人、无人驾驶汽车、AR/VR设备等领域中占据重要的地位。时至今日，SLAM已有近三十年的研究历史，理论框架已经成熟，正在走向实际的生活环境中。然而，由于完整的SLAM系统原理较为复杂，数学知识比较零散，初学者不容易整体上掌握所有的知识。

本次课程将介绍有关视觉SLAM的基础知识，并配以许多程序实例，帮助读者深入理解视觉SLAM涉及的数学概念与编程知识。理论方面，我们将从基本的向量、矩阵与刚体运动开始，介绍诸如李群李代数、非线性优化、多视图几何等重要数学知；在编程上，亦将引导读者掌握一系列C++库的使用，包括OpenCV，Eigen，g2o，Ceres等等。最后，通过一系列精心设计的习题，让读者真正掌握视觉SLAM的知识。

本讲将带领读者快速理解SLAM的定义和经典的处理过程。我们将通过一些视频展示SLAM是如何完成的，然后介绍它的基本数学模型。在编程部分，我们将学习最基础的Linux下的C++编程，学习CMake这个C++的工程构建工具。