第一讲：预备知识

SLAM介绍

SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉 SLAM”。

SLAM的目的是解决“定位”与“地图构建”这两个问题。也就是说，一边要估计传感器自身的位置，一边要建立周围环境的模型。当用相机作为传感器时，要做的就是根据一张张连续运动的图像（它们形成一段视频），从中推断相机的运动，以及周围环境的情况。

这本书将完整的SLAM系统分成几个模块：视觉里程计、后端优化、建图以及回环检测。

与SLAM相关的书籍主要有《概率机器人》（Probabilistic robotics）、《计算机视觉中的多视图几何》（Multiple View Geometry in Computer Vision）、《机器人学中的状态估计》（State Estimation for Robotics: A Matrix-Lie-Group Approach）等。

这是作者在github提供的书中源码。

https://github.com/gaoxiang12/slambook

https://github.com/gaoxiang12/slambook2.git （第二版）

全书内容分两个部分

第一部分为数学基础篇，包括：

• 第1讲：前言，基本信息 。

• 第2讲：SLAM 系统概述，编程环境的搭建过程。

• 第3讲：三维空间运动，旋转矩阵、四元数、欧拉角，Eigen库。

• 第4讲：李群和李代数，Sophus 。

• 第5讲：针孔相机模型、图像、OpenCV 。

• 第6讲：非线性优化，状态估计理论基础、最小二乘问题、梯度下降方法，Ceres 和 g2o 。

第二部分为 SLAM 技术篇，包括：

• 第7讲：特征点法的视觉里程计，特征点的提取与匹配、对极几何约束的计算、PnP 和 ICP等。

• 第8讲：直接法的视觉里程计，光流。

• 第9讲：后端优化，Bundle Adjustment，Ceres和g2o。

• 第10讲：后端优化中的位姿图。

• 第11讲：回环检测，词袋方法，dbow3。

• 第12讲：地图构建，极线搜索与块匹配，点云地图和八叉树地图的构建。

• 第13讲：搭建一个双目视觉里程计框架。

• 第14讲：介绍开源 SLAM 项目以及未来的发展方向。

读者须掌握基础：

1.高等数学、线性代数、概率论。

2. C++ 语言基础

3. Linux 基础

习题：

1. 高斯分布的一维形式？高维形式？

高维高斯分布的简述_weixin_34129696的博客-CSDN博客​blog.csdn.net/weixin_34129696/article/details/93156160正在上传…重新上传取消​https://link.zhihu.com/?target=https%3A//blog.csdn.net/weixin_34129696/article/details/93156160

2. C++11 标准？C++11新特性？

C++11教程：C++11新特性大汇总​c.biancheng.net/cplus/11/正在上传…重新上传取消​https://link.zhihu.com/?target=http%3A//c.biancheng.net/cplus/11/

3. Linux 的目录结构是什么样的？

https://www.runoob.com/linux/linux-