1. 课程导论：为什么自动驾驶需要视觉SLAM？
大家好，我是你们这门课的主讲人。在自动驾驶这个圈子里摸爬滚打了快十年，我踩过的坑，可能比你们看过的论文还多（笑）。今天咱们开篇第一讲，不聊虚的，直接切入核心：为什么自动驾驶离不开视觉SLAM？
说白了，一辆车如果不知道自己“在哪儿”、“周围是什么”、“接下来怎么走”，那它就是个铁疙瘩。GPS能告诉你大概位置，但精度不够；激光雷达能测距，但成本太高。而视觉SLAM，就是用摄像头这个最便宜的传感器，同时解决定位和建图两个问题。
1.1 自动驾驶的“灵魂三问”
你想想看，一辆自动驾驶汽车，本质上要回答三个问题：
- 我在哪？ —— 全局定位与局部定位
- 周围有什么？ —— 环境感知与障碍物检测
- 我该怎么走？ —— 路径规划与控制决策
第一个问题，就是SLAM要解决的核心。GPS在隧道、高楼区、地下车库完全失效，这时候视觉SLAM就是救命稻草。我记得有一次在深圳测试，车辆经过一段密集的高架桥下，GPS信号直接跳变了几十米，要不是视觉SLAM撑着，车差点就撞上护栏了。
1.2 为什么是“视觉”而不是其他传感器？
有人会问：激光SLAM不是更准吗？没错，激光雷达精度高，但一个64线激光雷达的价格，够买好几辆普通轿车了。视觉SLAM的优势在于：
| 对比项 | 视觉SLAM | 激光SLAM | GPS+IMU |
|---|---|---|---|
| 硬件成本 | 低（几百元） | 高（数万至数十万） | 中（千元级） |
| 环境适应性 | 纹理丰富场景优秀 | 不受光照影响 | 受遮挡影响大 |
| 语义信息 | 丰富（可识别车道线、路牌） | 弱（仅几何信息） | 无 |
| 长期稳定性 | 需回环检测 | 较好 | 有漂移 |
你看，视觉SLAM在成本和语义信息上有绝对优势。而且，摄像头能直接看到车道线、交通标志、行人——这些信息对自动驾驶决策至关重要。激光雷达只能告诉你“那里有一坨东西”，但摄像头能告诉你“那是一个停止标志”。
1.3 视觉SLAM在自动驾驶中的典型应用场景
我给大家梳理几个我亲自参与过的落地场景：
- 地下停车场自主泊车：GPS信号为零，全靠视觉SLAM构建停车场地图并实时定位。我曾经遇到过停车场灯光忽明忽暗的情况，视觉SLAM差点跟丢，后来加了IMU紧耦合才稳住。
- 城市复杂路口通行：高架桥下、林荫道、隧道出入口，这些地方GPS多路径效应严重。视觉SLAM通过匹配车道线、路沿等语义特征，能保持厘米级定位精度。
- 高速公路长距离巡航：虽然高速场景相对简单，但视觉SLAM可以持续修正IMU的累积漂移。我记得有一次测试跑了200公里，纯IMU已经偏了十几米，视觉SLAM一介入，误差直接拉回到0.3米以内。
1.4 视觉SLAM的技术挑战（避坑指南）
嗯，这里要注意，视觉SLAM不是万能的。我给大家列几个常见的坑：
- 光照剧烈变化：进出隧道时，图像从暗到亮瞬间变化，特征点大量丢失。解决方案是加入曝光补偿和自适应阈值。
- 动态物体干扰：行人、车辆在画面中移动，如果当成静态特征去匹配，定位会崩。必须做动态物体剔除。
- 纹理缺失区域：白色墙壁、柏油路面、雪地——这些地方特征点太少。需要融合线特征或语义特征。
为什么会这样？因为视觉SLAM本质上是在做“图像特征匹配”。如果图像本身没有足够多的、稳定的特征点，算法就会失效。所以，鲁棒的特征提取和动态物体处理，是视觉SLAM落地的关键。
1.5 本章知识体系总览
下面这张图，是我自己总结的视觉SLAM在自动驾驶中的知识框架。你可以把它当成整个课程的地图：
从这张图你可以看到，整个视觉SLAM系统就像一条流水线：传感器数据进来，经过前端特征提取、后端优化、回环检测，最后输出位姿和地图。而多传感器融合，则是把视觉和IMU、轮速计等数据捏在一起，让系统更鲁棒。
1.6 这门课能给你什么？
我个人习惯把课程分成三个层次：
- 理论层：从相机模型、特征点法到直接法，把SLAM的数学原理讲透。别怕公式，我会用代码帮你理解。
- 实战层：基于ORB-SLAM3和VINS-Mono两个开源框架，手把手教你改代码、调参数、跑数据集。
- 工程层：嵌入式平台优化、多传感器标定、实车部署——这些才是真正值钱的经验。
好了，导论部分就到这里。视觉SLAM这条路，说难也难，说简单也简单——关键是要动手。下一讲，咱们直接进入相机模型和坐标系变换，这是所有SLAM算法的地基。
公众号:蓝海资料掘金营，微信deep3321