點擊上方“計算機視覺life”，選擇“星標”
快速獲得最新干貨
背景介紹
在自動駕駛、無人機、增強現實、機器人導航等領域的技術棧中，即時定位和建圖（SLAM）是其中的核心技術之一。SLAM中所涉及到的傳感器有相機、激光雷達、IMU、GPS、輪速計等，面對不同的平臺和傳感器配置，如何選擇適合自己的技術方案呢？
圣誕節發放全場通用優惠券，可疊加現有優惠，僅限當日有效
我們制作了精美的實體課件，超級干貨！
濾波SLAM之MSCKF原理解析與源碼詳解
詳情：
MSCKF全稱Multi-State （多狀態約束卡爾曼濾波器），是一種基于濾波的VIO算法，2007年由在《A Multi-State for -aided 》中首次提出。MSCKF在EKF框架下融合IMU和視覺信息，相較于單純的VO算法，MSCKF能夠適應更劇烈的運動、一定時間的紋理缺失等測量旋轉義使用教程視頻，具有更高的魯棒性；相較于基于優化的VIO算法，MSCKF精度相當，速度更快，適合在計算資源有限的嵌入式平臺運行。在機器人、無人機、AR/VR領域，MSCKF都有較為廣泛的運用，如 Tango就用了MSCKF進行位姿估計。
計算機視覺life已經推出了、等基于優化的VIO算法，經過精心準備，我們推出了基于濾波的算法課程《濾波SLAM之MSCKF原理解析與源碼詳解》， 并對開源代碼進行詳細的中文注釋，是國內唯一系統講解MSCKF原理及代碼實戰的課程
全國最大機器人SLAM開發者社區
SLAM社區：
在機器人SLAM知識星球里，很多剛入門的同學問的最多的問題我總結了一下，主要有：
我們建立了全國最棒的SLAM和三維視覺交流社區，包括小白入門圖文/視頻教程、學習過程疑難點解答、每日最新論文/開源代碼/數據集分享、在線學習小組、筆試面試題、實習/校招/社招崗位推薦、星主直播交流等。
長按二維碼，加入即可開始學習~3天內無條件退款
購買后務必加客服領取其他權益和加交流群
現在加入免費送2020年機器人SLAM答疑匯總手冊（126頁，電子版）
SLAM傳感器與算法部署實戰
學習SLAM過程中我們會遇到很多坎坷測量旋轉義使用教程視頻，如果沒人指點，可能會花費大量的時間走彎路，尤其是涉及到傳感器和算法部署的環節，錯誤/bug不斷，很多同學不知如何下手。課程詳情
問題主要集中在：
基于此，計算機視覺life歷時幾個月精心準備，開設了首個系統講解《SLAM傳感器及算法部署實戰》課程。最終課件預計達上百頁。
視覺SLAM基礎
ORB-SLAM2是業內最知名、應用最廣泛的視覺SLAM開源代碼之一。它有如下優點：
ORB-SLAM2 用于室內三維重建
ORB-SLAM2詳細注釋的代碼持續更新，網址：
長按或掃描查看系統教程大綱
視覺慣性SLAM技術
ORB-SLAM3系統教程
ORB-SLAM3是在ORB-SLAM2的基礎上開發的視覺慣性SLAM技術，于2020年7月發布。它在定位精度和效果上幾乎碾壓了同類的開源算法，受到極大關注。
它有如下特點：
1、 第一個可以運行視覺、視覺慣性和多地圖，支持單目、雙目和RGB-D相機，且支持針孔和魚眼鏡頭模型的SLAM系統。
2、該算法可以在不同大小，室內和室外環境中魯棒、實時的運行，精度上相比于以前的方法提升了2~5倍。
3、 多地圖系統可以讓系統在視覺信息缺乏的場景下長時間運行。比如當跟蹤丟失的時候，它會重新建立新的地圖，并在重新訪問之前的地圖時，無縫地與之前的地圖合并。
4、實驗結果證明，雙目慣性模式下，該算法在無人機數據集EuRoC上可以達到平均3.6cm的定位精度，在手持設備快速移動的室內數據集TUM-VI上達到了9mm的定位精度。
從室內到室外，絲滑閉環
全網最詳細ORB-SLAM3代碼注釋地址：
長按或掃描查看系統教程大綱
VINS-Mono/ 系統教程
VINS即- ，是視覺慣性導航系統的統稱，不過我們平時所說的一般是指VINS-Mono/。香港科技大學飛行機器人實驗室（沈邵劼團隊）在2018年開源了VINS-Mono算法。第一作者秦通（2019華為天才少年），該論文獲2018年機器人頂級期刊IEEE on 最佳論文獎。它用一個單目相機+慣性測量單元（ Unit，簡稱IMU）實現了緊耦合的視覺和慣性聯合狀態估計，在保證高精度里程計效果的同時，還可以同時估計出傳感器外參，IMU零偏以及傳感器時延。2019年該團隊開源了VINS-Mono的升級版VINS-，它支持多種視覺慣性傳感器類型，包括單目+IMU，雙目+IMU，以及純雙目。VINS-Mono和VINS-在當年一騎絕塵，是非常經典且優秀的VIO框架。
以下是VINS-在汽車SLAM上的效果：
以下是講師詳細注釋的代碼地址：
長按或掃描查看系統教程大綱
基于LiDAR的多傳感器融合技術
多傳感器融合SLAM是自動駕駛、智能機器人中的核心技術。目前工業界用的主流多傳感器融合SLAM框架包括LOAM/A-LOAM、LeGO-LOAM、LIO-SAM等。
LIO-SAM 的效果
獨家注釋代碼
激光SLAM技術
是推出的一套基于圖優化的激光SLAM算法，它同時支持2D和3D激光SLAM，可以跨平臺使用，支持Laser、IMU、、GPS等多種傳感器配置。該算法可以實現實時定位和建圖。
建圖過程
建立的柵格地圖可以達到5cm的精度，該算法廣泛應用于服務機器人、掃地機器人、倉儲機器人、自動駕駛等領域，是最優秀的激光SLAM框架之一。
做了超詳細源碼注釋
長按或掃描查看大綱
神經輻射場NeRF三維重建
NeRF（ ）是最早在2020年ECCV會議上的Best Paper，其將隱式表達推上了一個新的高度，僅用 2D 的 posed 作為監督，即可表示復雜的三維場景。一石激起千層浪，自此之后NeRF迅速發展起來被應用到多個技術方向上例如新視點合成、三維重建等等，并取得非常好的效果，其影響力是十分巨大的。
NeRF其輸入稀疏的多角度帶pose的圖像訓練得到一個神經輻射場模型，根據這個模型可以渲染出任意視角下的清晰的照片，如下圖所示。也可以簡要概括為用一個MLP神經網絡去隱式地學習一個三維場景。
NeRF重建結果
NeRF最先是應用在新視點合成方向，由于其超強的隱式表達三維信息的能力后續在三維重建方向迅速發展起來。NeRF可應用于新視角重建、物體精細重建、城市范圍的大場景重建、人體重建、3D風格遷移、鏡面反射場景重建等。
長按或掃描查看NeRF大綱
視覺幾何三維重建技術
三維重建是指用相機拍攝真實世界的物體、場景，并通過計算機視覺技術進行處理，從而得到物體的三維模型。英文術語：3D 。涉及的主要技術有：多視圖立體幾何、深度圖估計、點云處理、網格重建和優化、紋理貼圖、馬爾科夫隨機場、圖割等。是增強現實（AR）、混合現實（MR）、機器人導航、自動駕駛等領域的核心技術之一。
三維重建結果
全網最詳細的代碼注釋地址：
長按或掃描查看視覺幾何三維重建大綱
深度學習三維重建技術框架
傳統的重建方法是使用光度一致性等來計算稠密的三維信息。雖然這些方法在理想的場景下，精度已經很高。但也有一些常見的局限性，例如弱紋理，高反光和重復紋理等，使得重建困難或重建的結果不完整。因此，傳統三維重建方法在重建的完整性等方面仍有很大的改進空間。
近年來深度學習在三維重建上取得了很大的成功。基于學習的方法可以引入比如鏡面先驗和反射先驗等全局語義信息，使匹配更加魯棒，從而解決傳統方法無法克服的難題。因此掌握基于深度學習的三維重建前沿算法非常重要。另外，在這個大數據時代，深度學習已經是大家必須掌握的技能，傳統視覺算法已經很難有新的突破，各個領域都在朝深度學習方向研究，近幾年各大視覺會議論文都是基于深度學習來實現三維重建，各個大廠招聘也越來越看重深度學習三維重建方法。
長按或掃描查看系統教程大綱
C++編程入門到進階
很多初學SLAM的小伙伴都有個疑問：號稱宇宙第一語言的，簡單好用，包又多，功能又強大，為啥SLAM算法里很少使用呢？
SLAM知識星球嘉賓劉國慶在知乎做了回答
這里再補充幾點：
C++具有極高的性能和運行效率，很多語言都是在C/C++基礎上封裝的，比如。就這一點足以秒殺眾多的高級語言。C++發展了三十多年一直是編程常青樹，一直使用，一直在發展，C++崗位需求會越來越旺盛，只增不減。C++能夠操控底層，非常適合和硬件打交道。
很多小伙伴都是機械、自動化、通信等非計算機專業，也沒有經歷過系統的C++訓練，而在具體的項目中，比如SLAM算法框架中，通常的代碼并不是我們在書上看到的那樣簡單直白。很多同學在學習SLAM的過程中感覺C++是一座難以跨越的大山，學習過程漫長而痛苦，項目開發遇到bug也不會調試，書看完了代碼還是不會寫，代碼一改就錯，一錯就懵。
長按或掃描查看系統教程大綱
相機標定技術框架
相機標定是指借助專用的標志物（如棋盤格）來估計相機的圖像傳感器參數（內參、外參）和鏡頭參數（畸變系數）。它是一種計算相機二維圖像和三維世界相對映射關系的一種方法。標定相機過程涉及相機成像模型、多視圖幾何、非線性優化等知識。相機標定是三維視覺的基礎。
毫不夸張的說，相機標定是一切三維視覺的基礎。它廣泛應用于雙目視覺、手眼機械臂、機器人定位建圖、圖像拼接、三維重建等場景。
長按或掃描查看系統教程大綱
機器人運動規劃
運動規劃和SLAM什么關系？
其實在企業里，SLAM算法工程師、運動規劃工程師通常是相對獨立的崗位，SLAM技術通常可以得到稀疏的定位地圖，結合后處理可以得到稠密的三維點云地圖。此時我們需要用一定的規則將其轉化為柵格化地圖，機器人在這個地圖的基礎上進行運動規劃（導航）。SLAM和運動規劃是自主機器人的兩個核心技術。
簡單來說，解決機器人導航問題一般被稱為運動規劃，就是讓機器人可以自主根據傳感器獲取外部環境信息，在當前環境中找到一條適合機器人行走的最佳路徑。這不是一個簡單的工作，因為地圖可能發生變化，其他運動的物體也是必須要繞過的障礙物，所以常常需要更改自己的規劃，如何在這種復雜的環境下高效率地實現最佳路徑，就是運動規劃的使命。
運動規劃在移動機器人的應用
獨家注釋代碼
長按或掃描查看系統教程大綱
圣誕節發放全場通用優惠券，可疊加現有優惠，僅限當日有效
學機器人SLAM/3D視覺，就上！
獨家重磅課程官網：
全國最大的機器人SLAM開發者社區
技術交流群