LouisCanBe / smoothly-vslam

【Datawhale-50期】VSLAM开源基础教程，各章节练习代码

smoothly-vslam

• 项目简介
  视觉SLAM涉及到的知识点十分多，从最基本的传感器，坐标系变换，参数化，到多视图几何，线性代数，最优化算法，一个小的系统功能，就涵盖了十多个公式，逐个查找学习十分耗时。本教程想通过讲解一些VSLAM的基础概念，降低学习者后续学习开源vslam算法的难度，平滑小白学习vslam的学习曲线。并通过讲解vslam的基本原理，为后续学习者掌握复杂的vslam算法打下基础。

• 项目内容目录
  0.前言
  1.一幅图像的诞生：相机投影及相机畸变
  2.差异与统一：坐标系变换与外参标定
  3.描述状态不简单：三维空间刚体运动
  4.也见森林：视觉SLAM简介
  5.以不变应万变：前端-视觉里程计之特征点
  6.换一个视角看世界：前端视觉里程计之对极几何
  7.积硅步以至千里：前端-视觉里程计之相对位姿估计
  8.在不确定中寻找确定：后端之卡尔曼滤波
  9.每次更好，就是最好：后端之非线性优化
  10.又回到曾经的地点：回环检测
  11.终识庐山真面目：建图
  12.实践是检验真理的唯一标准：设计VSLAM系统

• 项目在线阅读地址
  https://www.yuque.com/u1507140/vslam-hmh

Roadmap

这里列一些还需要完善的部分

1.一般性的完善

• 每节需补充几个思考小习题，可以不给参考答案
• 如果有可供练习的算法代码，可以一齐补充

2.特定的完善

第五节：前端视觉里程计之特征点

• 1.公式的latex化
• 2.特征点优缺点，及实际使用情况介绍

第六节：换一个视角看世界：前端-视觉里程计之对极几何

• 1.公式的latex化
• 2.单应矩阵及本质矩阵，恢复运动的算法更详细的介绍

第七节：前端-视觉里程计之相对位姿估计

• 1.公式的latex化
• 2.各算法的优缺点

第八节：后端优化：卡尔曼滤波

• 1.贝叶斯滤波的补充
• 2.其他滤波的介绍

当前教程为VSLAM基础教程，涉及VSLAM背景知识及基础算法原理，对更深入的部分，计划后续开一个进阶教程进行讲解。

参与贡献

• 如果你想参与到项目中来欢迎查看项目的 Issue 查看没有被分配的任务。
• 如果你发现了一些问题，欢迎在 Issue 中进行反馈🐛。
• 如果你对本项目感兴趣想要参与进来可以通过 Discussion 进行交流💬。

如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 Datawhale 贡献指南。

贡献者名单

姓名	职责	简介	联系方式
胡明豪	项目负责人，教程初版贡献者	DataWhale成员，VSLAM算法工程师	[e-mail]
王洲烽	第1，2章贡献者	DataWhale成员，国防科技大学准研究生	[e-mail]
乔建森	第3，5，8，9章贡献者	**航天科工三院-算法工程师	[e-mail]

关注我们

扫描下方二维码关注公众号：Datawhale

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。