🛰️ 多传感器融合SLAM
系统设计实战
📚 30章 · 从零到精通
01
SLAM技术概述与多传感器融合的必要性
绪论 · 融合动机
→
02
坐标系与刚体运动基础
空间参考 · 刚体变换
→
03
三维空间刚体运动：旋转矩阵、四元数、李群李代数
SO(3) · SE(3) · 李代数
→
04
相机模型与针孔成像原理
内参 · 畸变 · 投影
→
05
视觉SLAM前端：特征点提取与匹配（ORB、SIFT）
特征 · 描述子 · 匹配
→
06
视觉SLAM前端：光流法与直接法
LK光流 · 直接配准
→
07
IMU测量模型与预积分理论
加速度计 · 陀螺仪 · 预积分
→
08
多传感器时空标定：相机与IMU联合标定
外参 · 时间同步
→
09
多传感器时空标定：激光雷达与相机联合标定
LiDAR-Camera 标定
→
10
状态估计基础：卡尔曼滤波与扩展卡尔曼滤波
KF · EKF
→
11
状态估计进阶：无迹卡尔曼滤波与粒子滤波
UKF · PF
→
12
图优化理论与g2o库实战
图优化 · g2o
→
13
视觉SLAM后端：BA（光束法平差）与滑动窗口
BA · 滑动窗口
→
14
视觉惯性里程计（VIO）系统设计：MSCKF
MSCKF · 多状态约束
→
15
视觉惯性里程计（VIO）系统设计：VINS-Mono
VINS-Mono · 初始化
→
16
激光SLAM前端：点云配准（ICP、NDT）
ICP · NDT
→
17
激光SLAM前端：LOAM与A-LOAM算法解析
LOAM · A-LOAM
→
18
激光惯性里程计（LIO）系统设计：LIO-SAM
LIO-SAM · 因子图
→
19
多传感器融合框架：基于滤波的融合（EKF-SLAM）
EKF-SLAM · 滤波融合
→
20
多传感器融合框架：基于图优化的融合（Factor Graph）
因子图 · 图优化
→
21
多传感器融合框架：基于因子图的iSAM2算法
iSAM2 · 增量平滑
→
22
多传感器融合SLAM系统设计：LVI-SAM架构解析
LVI-SAM · 视觉-激光-惯性
→
23
多传感器融合SLAM系统设计：R3LIVE架构解析
R3LIVE · 实时渲染
→
24
回环检测与图优化：词袋模型与DBoW3
BoW · DBoW3
→
25
回环检测与图优化：Scan Context与点云回环
Scan Context · 点云闭环
→
26
全局优化与地图构建：TSDF与OctoMap
TSDF · OctoMap
→
27
全局优化与地图构建：语义地图与动态物体处理
语义地图 · 动态移除
→
28
工程化实践：ROS系统搭建与多传感器驱动集成
ROS · 驱动集成
→
29
工程化实践：实时性优化与嵌入式平台部署
实时优化 · 嵌入式
→
30
工程化实践：SLAM系统评测与数据集（KITTI、EuRoC、TUM）
评测 · 数据集
→