🚗 视觉SLAM·自动驾驶
落地实战
📚 30章 · 从原理到部署
01
课程导论：为什么自动驾驶需要视觉SLAM？
感知 · 定位 · 地图
02
相机模型与标定：从针孔模型到畸变校正
内参 · 外参 · 去畸变
03
图像特征提取：ORB、SIFT、SURF的原理与选型
关键点 · 描述子 · 实时性
04
特征匹配与对极几何：2D-2D位姿估计
本质矩阵 · 基础矩阵 · RANSAC
05
三角化与深度估计：从匹配点恢复3D结构
线性三角法 · 深度滤波器
06
PnP与BA优化：3D-2D位姿求解与光束法平差
EPnP · 非线性优化
07
光流法与直接法：Lucas-Kanade与DSO思想
稀疏光流 · 直接稀疏里程计
08
视觉里程计前端：帧间匹配与关键帧策略
帧到帧 · 关键帧选取
09
后端优化基础：图优化与g2o/Ceres实践
因子图 · 最小二乘
10
回环检测：词袋模型与DBoW3实战
视觉词袋 · 相似度评分
11
全局优化与位姿图：消除累积误差
位姿图 · 全局BA
12
单目SLAM系统：ORB-SLAM2架构解析
三大线程 · 地图管理
13
双目SLAM系统：深度获取与尺度恢复
立体匹配 · 视差图
14
RGB-D SLAM：点云配准与ICP算法
ICP · 点云融合
15
语义SLAM：结合目标检测的动态场景处理
YOLO · 动态剔除
16
多传感器融合：IMU+视觉的VINS-Mono
预积分 · 紧耦合
17
传感器标定：相机-IMU联合标定
外参标定 · 时间同步
18
自动驾驶中的BEV感知：从SLAM到鸟瞰图
IPM · 多视角融合
19
高精地图构建：车道线、路标与拓扑结构
语义地图 · 矢量
20
定位与重定位：基于地图的全局定位
蒙特卡洛 · 重定位
21
实时性优化：多线程与GPU加速
CUDA · 并行化
22
嵌入式部署：在Jetson/FPGA上跑SLAM
TensorRT · 量化
23
仿真环境搭建：CARLA+ROS的SLAM测试
虚拟传感器 · 评测
24
数据集与评测：KITTI、EuRoC、TUM的用法
benchmark · 指标
25
鲁棒性提升：光照变化与快速运动处理
自适应阈值 · 运动模型
26
动态场景SLAM：剔除运动物体
实例分割 · 静态化
27
大规模场景SLAM：地图压缩与分块管理
八叉树 · 分块
28
端到端SLAM：深度学习替代传统模块
SuperPoint · Droid-SLAM
29
行业案例：某L4公司SLAM落地复盘
量产 · 场景痛点
30
未来趋势：无监督SLAM与神经辐射场
NeRF · 3D高斯