激光SLAM理论与实践（18学时）

为什么开设这门课程？

相比于VSLAM，激光SLAM起步早，在理论、技术和产品落地上都相对成熟，被广泛应用于AGV、扫地机器人、无人驾驶等移动机器人领域，因此企业对激光SLAM工程师的招聘需求比较大。

实际上，大部分同学都只是看了看开源的代码，很少去详细研究每一个部分，并尝试从头实现一个激光SLAM算法。这与企业招聘时所需要的能力，相差甚远。

鉴于此，学院邀请了实践经验丰富的曾书格老师负责课程的讲解，希望通过课程的学习，提高大家的实际动手能力，以及发现问题并主动解决问题的素养。

 课程目录

1. 激光SLAM简要介绍

• 1.1 激光SLAM的发展历史
• 1.2 激光SLAM的组成
• 1.3 数学基础
• 1.4 本课程目标

2. 传感器数据处理I：里程计运动模型及标定

• 2.1 里程计运动学模型–简化的线性模型
• 2.2 里程计运动学模型–实际模型
• 2.3 里程计标定原理
• 2.4 实践：里程计标定

3. 传感器数据处理II：激光雷达数学模型和运动畸变去除

• 3.1 激光雷达数学模型
• 3.2 运动畸变概念及影响
• 3.3 基于纯激光雷达的运动畸变去除
• 3.4 基于里程计辅助的运动畸变去除
• 3.5 实践：运动畸变去除

4. 激光SLAM的前端配准方法一

• 4.1 ICP匹配方法
• 4.2 PL-ICP匹配方法
• 4.3 NICP匹配方法
• 4.4 IMLS-ICP匹配方法
• 4.5 实践：IMLS-ICP方法的实现

5. 激光SLAM的前端配准方法二

• 5.1 爬山法(拟梯度法)
• 5.2 基于高斯牛顿的优化方法
• 5.3 NDT方法
• 5.4 相关方法和分支定界方法
• 5.5 实践：基于优化方法的前端配准实现

6. 基于图优化的激光SLAM方法(Grid-based)

• 6.1 Pose Graph的概念及构建
• 6.2 回环检测方法
• 6.3 非线性最小二乘原理
• 6.4 非线性最小二乘求解SLAM
• 6.5 Cartographer源码讲解
• 6.6 实践：实现一个简单的基于优化的SLAM后端

7. 地图的构建

• 7.1 地图分类
• 7.2 基于占用概率的栅格地图构建
• 7.3 基于TSDF的栅格地图构建
• 7.4 实践：构建栅格地图

8. Life-long Mapping

• 8.1 life-long Mapping的概念以及应用
• 8.2 最小信息量激光帧的选取
• 8.3 Pose-Graph的精确边缘化
• 8.4 Pose-Graph的近似边缘化
• 8.5 实践：大作业

9. 3D激光SLAM的介绍

• 9.1 3D激光SLAM介绍
• 9.2 LOAM算法原理
• 9.3 ALOAM代码讲解
• 9.4 主流开源激光SLAM代码介绍

学完这门课可以收获哪些技能/能力？

• 了解激光SLAM的基础理论知识；
• 手动实现激光SLAM的各个模块；
• 实现一个简单但完整的激光SLAM系统。

这门课适合哪些学员？

（1）对激光SLAM技术原理感兴趣的爱好者；

（2）从事激光SLAM研究或者开发的学生；

（2）丰富激光SLAM具体实践经验的工程师。

学习这门课需要哪些基础、对设备的要求

• 学习本门课程，需要对ROS有一些了解
• 具有一定的数学和C++编程基础

提供课程内容相关的论文3-5篇或者其他相关的参考资料

• VICP-Velocity Updating Iterative Closest Point Algorithm
• IMLS-SLAM-scan-to-model matching based on 3D data
• NICP-Dense Normal Based Point Cloud Registration
• Real-Time Correlative Scan Matching  CSM
• Real-Time Loop Closure in 2D LIDAR SLAM

 常见问题Q&A

1. 这门课程有什么推荐书籍或者教材？

可以参考《概率机器人》，主要看非线性最小二乘的内容。

2. 这个课程讲到了什么程度，学完后能做到什么程度？

课程会以一个基于图优化的2D激光SLAM工程项目为主线，讲述每个核心模块的理论与编程实践。课程整体内容偏工程实践。

3. 只有视觉slam的基础可以学习这门课程吗？

可以的，就理论部分来说，视觉比激光复杂一些。因为这门课现在主要讲2D激光SLAM，所以还是在欧式空间，不在流形上，理论上要简单一些。

4. 是否会涉及关于其它传感器数据转换为laser scan或者point clould的知识？

关于数据处理的话，主要会讲里程计的标定和激光雷达运动畸变的去除。

5. 是否会涉及到 ROS ？

会有一些，但是都会写好程序的。不过大家最好还是要学习一下ROS。毕竟大家如果学习激光SLAM的话，基本都是往机器人领域发展的，往这个领域发展不会ROS的话，是有些不太好的。

6. 课程中为什么没有基于滤波的方法？

基于滤波的方法在实际应用中并不占主流。

7. 课程提纲里面提到的畸变去除，主要是什么畸变？

激光雷达在运动过程中造成的点云畸变。

上课形式

1. 学习形式和学习周期是什么样的？

为了保证学习效果，本门课程采取录播的形式，每周解锁一章。学习周期为两个月，请大家每周留出至少4个小时的时间用来学习、做作业。

2. 课程有有效期吗？

为了督促同学们学习，保证学习效率，学院的课程有效期均为一年。在有效期内，可以随时观看视频。需要提醒大家的是，课程答疑、作业批改&讲评的服务只限开课仪式至结课仪式这段时间。

3. 我还是学生，请问有什么优惠吗？

本课程限报200人，前100位可享受599元的优惠价，越早报名越优惠！

4. 如果不满意，可以退款吗？

我们承诺：开课学习7天内不满意无条件退款。课好不好， 学了才知道！ 

 P.S.付款后，添加微信 autobit101 加入学习交流群。