SLAM的英文全程是 Simultaneous Localization and Mapping，中文稱作「同時定位與地圖建立」。SLAM試圖解決這樣的問題：一個機器人在未知的環境中運動，如何通過對環境的觀測確定自身的運動軌跡，同時構建出環境的地圖。SLAM技術正是為了實現這個目標涉及到的諸多技術的總和。

SLAM技術距今已有 30 餘年的發展歷史，但相比於深度學習、大資料等詞彙，聽過的人少之又少，國內從事相關研究的機構更是屈指可數。直至最近三年，SLAM才逐漸成為國內機器人和計算機視覺領域的熱門研究方向，在當前比較熱門的一些創業方向中嶄露頭角：

VR/AR 方面，根據 SLAM 得到地圖和當前視角對疊加虛擬物體做相應渲染，這樣做可以使得疊加的虛擬物體看起來比較真實，沒有違和感；

無人機領域，SLAM可以構建區域性地圖，輔助無人機進行自主避障、規劃路徑；

無人駕駛領域， SLAM 技術可以提供視覺里程計功能，然後跟其他的定位方式融合；

機器人定位導航領域，SLAM 可以用於生成環境的地圖。基於這個地圖，機器人執行路徑規劃、自主探索、導航等任務。

提起SLAM的重要性，有人說，SLAM是無人駕駛技術的靈魂；也有人曾打比方說，手機離開了WIFI和資料網路，就像無人車和機器人離開了SLAM一樣。之所以沒有受到廣泛關注，主要原因在於這個方向難度很大，入門的門檻太高，具體來講有以下幾個原因：

1. 入門資料很少：雖然國內也有部分人在做，但這方面的中文資料幾乎沒有，入門教程匱乏，直至2017年4月《視覺SLAM十四講：從理論到實踐》的問世。

2. 難以實現：SLAM是一個完整的系統，由許多個分支模組組成。現在經典的方案是“影象前端，優化後端，閉環檢測”的三部曲，很多文獻看完了自己實現不出來。

3. 動手程式設計需要大量的先決知識：首先，你要會C和C++，網上很多程式碼還用了11標準的C++；第二，要會用Linux；第三，要會cmake，vim/emacs及一些程式設計工具；第四要會用openCV, PCL, Eigen等第三方庫。只有學會了這些東西之後，你才能真正上手編一個SLAM系統。如果你要跑實際機器人，還要會ROS。

上述原因直接或者間接導致，國內SLAM技術人才稀缺，同時，機器人、無人機、無人駕駛、虛擬現實等企業的需求旺盛，供不應求的局面逐漸鋪開。

困難多意味著收穫也多，坎坷的道路才能鍛鍊人。鑑於SLAM技術入門困難，專注於前沿科技線上教育的深藍學院，聯合《視覺SLAM十四講：從理論到實踐》書籍作者高翔博士，推出《SLAM從理論到實踐（第二期）》線上系列課程。課程每章節均安排有作業及參考資料，根據作業打分評選優秀學員，優秀學員可獲得證書，並推薦到百度智慧駕駛事業群、Momenta、地平線、圖森未來、馭勢科技等知名企業實習就業。

課程講師

高翔，慕尼黑工業大學博士後，清華大學自動化系博士，主編暢銷書《視覺SLAM十四講：從理論到實踐》。長期從事SLAM（即時定位與地圖構建）的研究，主要包括機器人的中的視覺SLAM技術、機器學習與SLAM的結合，在國際知名期刊 IEEE Transactions on Mechatronics、Robotics and Autonomous Systems、Autonomous Robots等發表論文數篇。

附：《視覺SLAM十四講：從理論到實踐》是國內第一本也是唯一一本專注於SLAM的書籍，現已成為國內入門SLAM的必備資料。

課程特色

1. 成熟的課程體系，從數學基礎知識講起；

2. 理論結合實踐，降低入門門檻；

3. 課上線上答疑，課下微信群答疑；

4. 作業設定新穎，批閱講解仔細；

5. 優秀學員頒發講師簽名的深藍學院證書；

6. 可推薦至百度、地平線等實習就業；

7. 課程PPT和作業，會提前公開給學員。

課程目錄

1. 概述與預備知識（2學時）

    1.1  課程內容提要與預備知識
    1.2  SLAM是什麼
    1.3  視覺SLAM數學表述與框架
    1.4  Linux下的C++程式設計基礎
    1.5  實踐：Hello SLAM2. 三維空間的剛體運動（2學時）
    2.1 點與座標系
    2.2 旋轉矩陣
    2.3 旋轉向量與尤拉角
    2.4 四元數
    2.5 相似、仿射和射影變換
    2.6 實踐：Eigen矩陣運算
    2.7 實踐：Eigen幾何模組
3. 李群與李代數（2學時）
    3.1 群
    3.2 李群與李代數
    3.3 指數與對數對映
    3.4 李代數求導與擾動模型
    3.5 實踐：Sophus李代數運算
4. 相機模型與非線性優化（2學時）
    4.1 針孔相機模型與畸變
    4.2 影象的組成
    4.3 從狀態估計到最小二乘
    4.4 非線性優化與最小二乘法
    4.5 實踐：Ceres曲線擬合
    4.6 實踐：g2o曲線擬合
5. 特徵點法視覺里程計（2學時）
    5.1 特徵點的提取與匹配
    5.2 對極幾何
    5.3 三角測量
    5.4 3D-2D：PnP
    5.5 3D-3D：ICP
    5.6 實踐：ORB特徵點
    5.7 實踐：PnP
    5.8 實踐：ICP
6. 直接法視覺里程計（2學時）
    6.1 直接法的引出
    6.2 光流
    6.3 直接法
    6.4 實踐：LK光流
    6.5 實踐：RGB-D直接法
7. 後端優化（2學時）
    7.1 濾波器
    7.2 Bundle Adjustment與圖優化
    7.3 Pose Graph
    7.4 Factor Graph
    7.5 實踐：Bundle Adjustment
    7.6 實踐：Pose Graph
8. 迴環檢測（2學時）
    8.1 概述
    8.2 詞袋模型
    8.3 實踐：建立字典以計算影象間相似性
    8.4 課程小結

報名

課程費用499元，前200位報名者可領取 100元優惠券 ；課程採用線上授課，一年內可以無限次回放。

請新增工作人員「深藍學院」助教報名

SLAM 技術交流群

為了便於SLAM研究者交流學習，並且及時瞭解行業發展，深藍學院聯合建立了 “SLAM技術交流” 微信群。群內邀請學術界、企業界重量級嘉賓入群：

（1）香港科技大學沈邵劼老師；

（2）《視覺SLAM十四講》書籍主編高翔博士；

（3）浙江大學CAD&CG國家重點實驗室博導章國鋒老師；

（4）湘潭大學黃山老師；

（5）環宇智行創始人、武漢大學李明老師；

（6）圖森未來首席科學家王乃巖老師；

（7）速感科技CEO 陳震；

（8）Momenta 研發總監孫剛；

（8）阿里巴巴、百度、華為、商湯科技、四維圖新等知名企業工程師；

（9）卡內基梅隆大學、賓夕法尼亞大學、多倫多大學等國外知名高校博士、碩士生；

（10）清華大學、浙江大學、上海交通大學、北京大學、哈爾濱工業大學、華中科技大學、西北工業大學等高校研究生。

歡迎各位SLAM技術研究者，加入微信群（掃描上述二維碼，新增助教微信入群）。

演算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、演算法、計算機、程式設計等相關領域
稿件一經採用，我們將奉上稿酬。

投稿郵箱：[email protected]