如何从零开始系统化学习视觉SLAM？

什么是SLAM？

SLAM是 Simultaneous Localization And Mapping的英文首字母组合，一般翻译为：同时定位与建图、同时定位与地图构建。虽然听起来比较拗口，但SLAM却是三维视觉的核心技术，广泛应用于AR、自动驾驶、智能机器人、无人机等前沿热门领域。可以说凡是具有一定行动能力的智能体都拥有某种形式的SLAM系统。关于SLAM的具体应用场景介绍可以看《SLAM有什么用？》

SLAM是计算机视觉技术的下一个风口

相比于计算机视觉领域的另一个热门：深度学习，SLAM技术尚处于技术爆发前期。这是因为：

在学术研究方面：从最近几年计算机视觉的三大顶级会议CVPR, ICCV, ECCV 录用论文来看，以SLAM技术为核心的三维视觉论文正在快速增长；

在硬件设备方面：以双目相机、深度相机为代表的消费级3D相机最近几年发展迅猛，国内外已经形成了成熟的产业链。3D相机在智能手机、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深度相机在手机上的普及。

在应用场景方面：最近几年无人机，智能机器人，自动驾驶汽车，AR设备的快速发展也极大促进SLAM技术在现实场景中的应用。

雷军说，站在时代的风口，猪都能飞起来。可以预见，SLAM技术是计算机视觉技术继深度学习后的下一个爆发的风口，关于这方面详情见《为什么要学SLAM？》。

学习SLAM如何入门？

那么，想要学习SLAM如何入门呢？

我们还是先拿深度学习做个对比。从研究角度出发，深度学习相对容易入门，这是由于深度学习本身黑盒子的特点，很多从业者不需要了解图像处理、计算机视觉的基础知识便可以得到一个相对较好的结果，因此入门门槛并不是很高。但事情都具有两面性，门槛越低的行业，也容易被替代。

而学习SLAM则需要具备三维空间刚体变换、相机成像模型、特征点提取与匹配、多视角几何、非线性优化等内容。这对于非该领域的从业者来说算是较高的门槛，也需要花费不少的时间来打基础。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，虽然本书写的已经比较基础，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，不知道怎么入手等，白白浪费了时间和精力，甚至因此放弃了该方向的研究，白白错过了时代的风口。

有没有好的入门方法？

首先，我们来看看入门都需要哪些知识。这篇文章告诉你《学习SLAM到底需要学什么？》，以下是笔者所总结的SLAM学习的知识树：

《从零开始学习SLAM》知识星球

扫码即可加入学习！

支持三天内无条件退款（退款2次无法再加入）

有效期一年，平均每天不到0.3元，就能够和一群优秀的SLAM从业者一起交流进步，甚至解决就业问题。AI时代，最好的投资就是投资自己的大脑。

《从零开始学习SLAM》知识星球

星主是中科院毕业博士，目前在某CV公司从事视觉SLAM相关研究工作。星球主要有以下几个亮点：

1、技术介绍全面，不枯燥。该系列从最基础的知识开始介绍，一次只介绍一个具体的知识点，以形象生动的公众号图文结合视频课程，一点点深挖SLAM的各个重要技术点。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。

2、有习题，重视实践。笔者会根据不同知识点设计一些实用性的练习题（推导、编程等），俗话说，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。练习题参考答案都会放到知识星球「从零开始一起学习SLAM」里，并会根据作业情况进行不定期讲解。星球内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。而所有的交流讨论、资源分享等都可以沉淀下来并方便日后查询。遇到问题可以在星球里免费提问，星主看到后会及时答疑解惑。

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。

SLAM学习大纲

工具类

1、熟悉Linux指令及基本操作

2、熟悉Cmake基本操作

3、熟悉C++编程，能看懂会使用C++11新特性

4、熟悉Clion集成开发环境

5、熟练掌握计算机视觉库OpenCV

6、熟练掌握几何库Eigen

7、熟练掌握李代数库Sophus

8、熟练掌握点云库PCL

9、熟练掌握图优化库G2o

10、熟练掌握非线性优化库Ceres

。。。

基础知识

1、 SLAM发展概况，宏观了解SLAM应用场景

2、使用齐次坐标的原因及应用

3、三维空间刚体旋转的表示方法，重点是四元数、旋转矩阵

4、李群李代数在SLAM中的应用背景、推导关键公式

6、双目相机模型

7、 RGB-D相机成像原理

8、点云处理

9、相机畸变模型及去畸变方法

10、对极几何

11、单应矩阵

12、相机标定

13、特征点提取、匹配、筛选

14、视觉里程计

15、梯度下降、牛顿法、高斯牛顿、LM、图优化方法

16、PNP、ICP、Bundle Adjustment

17、回环检测

。。。

亮点

1、优秀论文讲解

2、 RGB-D稠密重建

3、点云网格化

4、三维模型重建

5、从零开始手写一个完整SLAM

。。。

注：

1、新进星球的同学可以关注置顶的“内容快速导航”，尽早跟上节奏。

2、一般隔一段时间会集中视频讲解一下作业，梳理一下常见问题和注意事项，所以大家没提交作业的尽早提交哈。做的不好没关系，关键要真的去做作业。

3、本课程优势：

会增加比较实用的知识（如点云处理、三维重建等）和编程经验（调试方法、容易出错点讲解）

练习题实用性强，所有提交的作业都会批改，及时指出错误，也可以从其他人的作业中发现不同的做法，快速提高

重点公式/代码细致讲解

循序渐进写出一个完整SLAM

研究方向选择、考研/考博、工作选择等问题都可以免费提问

知识星球需付费加入，随着人数增多，会适当调高价格，越早加入价格越优惠。此外，星球还会红包奖励积极分享、解答问题的成员，只要每天0.3元，就能够把握时代的风口，和一群优秀的SLAM从业者一起交流进步，甚至解决就业问题。快用微信扫下面二维码加入SLAM学习圈~

下面是星球里的部分讨论交流截图：

（由于显示格式问题，图片显示有问题，建议阅读原文：如何从零开始系统化学习视觉SLAM？）

如果没有考虑好是否加入星球也没关系。可以关注笔者公众号：计算机视觉life

可以查看、学习以下笔者发布的SLAM学习系列文章，都是免费的哦～

把握时代风口，越早加入越有价值~

以下是公众号部分文章：

由于格式问题，部分链接显示有问题，建议阅读原文：如何从零开始系统化学习视觉SLAM？

研究SLAM，对编程的要求有多高？

新型相机DVS/Event-based camera的发展及应用

最近三年开源「语义SLAM/分割/建模」方案介绍

超详细干货 | 三维语义分割概述及总结