SLAM入门：理论与实践详解——清华大学高翔博士讲解

本资源是关于"第一讲：SLAM概述与预备知识"的PPT，由具有深厚学术背景的讲师高翔主讲，他拥有清华大学自动控制与工程博士学位以及慕尼黑工业大学计算机视觉组的博士后经历。课程旨在介绍SLAM（同时定位与地图构建）的基础理论和实践经验。 SLAM是计算机视觉领域的一个核心课题，它关注于解决自主移动系统如何在未知环境中实时确定自身位置（定位）的同时构建周围环境的地图（建图）。这是一个双重任务，涉及到了解自身状态（定位）和理解外部世界的复杂关系。定位主要依赖于对自身运动的理解，而建图则关注外部环境特征的识别和记录。 课程内容涵盖了SLAM的基本概念，包括视觉SLAM的数学表述与框架，如三维空间的刚体运动、李群与李代数、相机模型和非线性优化等理论知识。此外，还重点介绍了实际应用中的关键环节，如特征点法和直接法视觉里程计，后端优化，以及回环检测技术。这些技术对于室内和室外定位、稀疏和稠密重建都至关重要。 课程强调工程实践，学生将通过Linux下的C++编程学习，并且每周都有编程题和简述题作为作业。预备知识要求较高，包括高等数学、线性代数、概率论，以及基本的C++编程和Linux操作。由于课程内容深入，学生需要有较强的英语文献阅读能力，并且课程将在Ubuntu16.04环境下进行，Windows环境不被支持。 为了检验理解和准备，学生被鼓励在课程开始前阅读教材第一章的习题，并且课程作业的评分标准严格，习题分数需达到8/10以上才能通过。这是一门理论与实践并重，重视动手能力培养的SLAM入门课程。