激光排版教程入门初学者-研究生阶段如何学习slam机器人？

第一年的研究即将到来，我联系的导师正在做这个方向。 但第一次听说slam时，我并不太了解。 希望有人能告诉我这个方向，如何读硕士，需要什么技能，就业情况怎么样，谢谢。

郑春然：

首先是代码环境问题：Ubuntu+ROS是标配，因为大部分源码都是C++，所以CMake的基本模板必须能够使用

必读入门书籍：视觉SLAM第14讲稍进阶：机器人的状态估计、多视图几何

SLAM相关非常简单易懂快速入门的课程：

1. 浙江大学教授讲得很清楚。 虽然不像高博视觉SLAM课程中的配套练习和课件那么系统，但谭平教授或许更能用学生能理解的方式讲解SLAM的概念，表达也更清晰

2.经典高博的视觉SLAM

3、曾树歌老师的激光SLAM或者某大象的无人驾驶

4.波恩大学《传感器与状态估计》SLAM，这是2020年最新课程

5、Coursera自动驾驶教程主要讲相机模型和多视角几何，对3D视觉标定很有帮助

6.宾大没听说过vslam，不过据说听了之后学到了很多

SLAM 论文：

何波在这里总结得很好。 有分类，有作者名字，有下载链接，貌似还在维护更新中……

因为毕竟学习时间和精力有限吉祥物设计，初学者显得比较慢，所以过段时间会推荐一两篇文章

如何利用这些资源进行SLAM学习

接下来我就简单说一下我自己的学习方法，希望对大家有所帮助。

1、首先阅读《视觉SLAM第十四讲》，从三维空间的表示方法、李群、李代数的数学原理等关键基本概念，到前端、后端、经典算法实现了视觉SLAM原理的整个环回过程。 粗略地看一遍，不需要推导每一个公式。 你可以放弃比较难的雅可比，推一些简单的，比如针孔相机模型。

2. 随后您可以观看第14期视觉SLAM讲座视频。 以你之前对SLAM的印象，你也可以说你有疑问。 看了高波耐心的讲解，视频就不会看的很慢了。 （比如因为看不懂，看一下就停一下），之前理解粗糙的地方你可能会突然明白了……###这里致敬高博，我没有勇气@Ta

3、这时候可以看一些经典的、写得好的代码，比如ORB-SLAM2！ ！

这里是高波的修改版，可以可视化SLAM过程中的点云。 如需帮助，您可以查看这篇论文：ORB-SLAM2：适用于单目、立体和 RGB-D 相机的开源 SLAM 系统4。

4.可以自己模仿写一个视觉里程表

对于激光SLAM，我也建议先读一下Visual SLAM的第14讲，因为SLAM的结构和原理都差不多，没有理由不读这么好的Visual SLAM入门教材。 同时，由于相机的观测模型比激光雷达复杂，相互转换会更快。我之前有一个答案，大家可以借鉴一下

其他一些主要方向

1. 语义SLAM

我觉得高博的演讲太好了，我哭了，几分钟后，我这个语义新手就明白了它是什么、为什么、怎么做……深度学习提取路标，构建对象——关卡重用地图。 等等等等，文章还引用了几篇论文，都很好，可以看看~

VIO 视觉惯性里程计或 VINS 视觉惯性导航系统

深蓝这里有一套课程，讲课相当不错。 讲师是Hebo Gaubo崔大深，详细讲解了IMU的预积分、对应的残差雅可比、初始化等。 最好的是基于沉老师组的VINS-mono的代码结构，目前非常强大。 这是一篇很强大的论文：VINS-Mono: A Robust and Versatile Moneye Visual-Inertial State Estimator

前几天，本科生毕业设计需要英文文件翻译。 我翻译了一份并重新整理了版本，通过了Word版本。 请您自己拿走。

〜链接：

提取码：um34

结合深度学习估计姿态进行闭环检测（场景重识别）

水下SLAM

仿生SLAM

…

我看到大家都辛苦了！ ！ 有问题请在评论区指出哦~(ง•̀_•́)ง(*•̀ㅂ•́)

如果我的分享对你有帮助的话，左边的三角同意去散步哈哈哈哈~

矮脚鸡：

实验室的兄弟们刚刚毕业，都在往slam方向找工作，也在朝着这个方向努力。 那么我们在这里总结一下下面的学习经历。

我个人认为看视频效率低，更喜欢看书。 下面推荐的英文书籍大部分都可以在Library Genesis上找到（需要富强上网）。 帮助。

1. 基础知识 1.1 C++

C++是所有slam知识的基础。 它的作用和地位怎么强调都不为过。 在学习所有其他知识之前，您必须通过此级别。 否则激光排版教程入门初学者，你接下来的路将会非常艰难。

这里推荐两本书：《C++ Prime Plus》和《Effective C++》，尤其是第一本，它将伴随你整个满贯学习生涯。 我花了大约两个月的时间每天练习上面的例子，后来发现 C/C++ 的使用贯穿了所有的学习环节，所以每次遇到不懂的东西我都会重新看一遍这两本书。

C++的四大组件都必须了解它的用法，至少这样在遇到问题时可以快速定位到书中对应的部分：

以C语言为载体的面向过程编程

面向对象编程：类、多态性、继承、虚函数

泛型编程以及为解决代码重用问题而出现的相应标准模板库（STL）

1.2 OpenCV

有了C++的基础，就可以学习一些图像处理的内容。 图像处理的很多算法原理上很难理解，不过没关系，我们有一个强大的图像处理函数库可以调用，那就是OpenCV。

学习OpenCV最推荐的教材是官方Tutorial。 一开始就读Introduction to OpenCV和The Core Functionity（核心模块），剩下的可以稍后用到再回来搜索。

如果你的英语水平不够好，可以阅读《OpenCV3编程入门》。 就我个人而言，我建议阅读英文的介绍性文档。 毕竟翻译过程中信息会丢失，不利于理解和学习。

1.3 Linux 和 ROS

Linux是slam常用的环境。 它实际上有很多发行商，但只推荐Ubuntu。 原因很简单。 只有机器人操作系统ROS是基于它开发的。

关于Linux的学习，推荐两本书《鸟哥的Linux私房菜》和《Linux命令行》。 前者是基于CentOS写的，但这不影响使用，后者是基于Ubuntu写的，不过是英文书。

自己学习安装Ubuntu双系统（不建议直接安装虚拟机和Windows，会出现各种意想不到的bug）。 然后使用Linux命令行并在其中输入常用命令来查看效果。

我个人认为比较重要的几点：

终端使用

Linux文件目录结构

如何安装软件

如何创建和删除文件/文件夹

文件打包与解压

至于ROS的学习，目前只推荐官方Wiki文档。

1.4 机器人技术的数学基础

这涉及到三维旋转矩阵、四元数、李群李代数的知识。 由于我在学校修了相应的课程（听老师说全国只有北航开设了相关课程？），所以我在课外学习的不多。 不过最近反而在Github上发现了一个不错的项目，主要是关于三维旋转和四元数的，大家可以下载看看。

我还开了一个相关专栏，有兴趣的话可以看看（随佛性更新）：

2. 练习

2.1《视觉大满贯十四讲》

本书被纳入第二部分的主要原因有三个：

1.本书提供了大量源代码，具有很强的实用意义。

2.如果没有上述基础知识作为支撑，阅读本书可能会有点困难

3.从求职的角度来说，我个人认为基础知识比slam知识本身更重要

关于这本书，其他答案已经说了很多，我就不赘述了。 值得强调的是，最好自己在里面写程序，修改一些代码，看看会产生什么样的效果。

2.2 摄像头&激光雷达

学完理论知识后，如果家庭条件允许，就可以设计组装一个机器人来玩。 去淘宝购买相应的配件。 将它们设置在移动机器人上，自己编程实现地图的构建。

＃细节

2.3 海龟机器人

TurtleBot是一款配备ROS的移动机器人，它配备了激光雷达或双目视觉系统。

海龟机器人

学校开设了移动机器人课程。 我去年（2019）刚买了一批TurtleBot2，所以有幸使用了一段时间。 本来我想给自己买一个，但看了淘宝上近6000元的价格后，我只能说“对不起，再见！”。

你可以打听一下学校的实验室有没有这样的东西，如果有的话，你可以去看看，对提高你的实践能力会有很大的帮助。

3. 高级

有了基础和实践ip形象，下一步就是提高理论水平。

主要工作两个方向，一是阅读相关论文，二是阅读两本书：

《Probabilistic Robotics》对应的英文书叫Probabilistic Robotics，计算机视觉中还有一本关于多重视觉几何Multiple View Geometry的书

不知道大家觉得这两本书怎么样。 我最近一直在看它们，我觉得它们还是挺费劲的。 我很快就要读完这两本书，然后再看《视觉大满贯十四讲》最后列出的一些论文。

4、就业

这是上面的回答者忽略的一点。 这可能要泼点冷水了。 近两年，随着百度宣布无人车，带动了大量岗位招聘，但现在这种趋势已经逐渐消退。 最近一段时间，在媒体上我很少看到相应的报道。 虽然现在slam似乎是一个比较热门的方向，但是很多单位已经开始减少招收的人数。 至于工资，年薪25w左右激光排版教程入门初学者，还不错

不过，既然你们选择了这条路，那就让我们勇敢前行，一起努力吧！