一、视觉SLAM概述
1.1 什么是视觉SLAM
SLAM，全称是 Simultaneous Localization and Mapping。中文叫「同步定位与地图构建」。
说白了，就是让一台机器在完全陌生的环境里，一边走路一边画地图，同时还得知道自己在地图上的哪个位置。这就像你蒙上眼睛走进一个房间，一边摸墙一边在脑子里画平面图——嗯，差不多就是这个意思。
视觉SLAM，就是用摄像头作为主要传感器来做这件事。相机拍下画面，算法从中提取特征点，然后推算相机自身的运动轨迹，同时构建出环境的三维结构。
我个人习惯把视觉SLAM比作「机器人的眼睛+小脑」。眼睛负责看，小脑负责算——我在哪？周围长啥样？下一步往哪走？
核心三要素：
- 定位：估计相机（机器人）在空间中的位姿
- 建图：构建环境的地图表示（稀疏/稠密）
- 闭环检测：识别曾经到过的地方，消除累积误差
我在项目中遇到过不少新手，一上来就调ORB-SLAM，结果跑飞了也不知道为什么。其实你想想看，SLAM本质上是一个状态估计问题——用贝叶斯滤波或者图优化的框架，把观测数据和运动模型揉在一起算。
1.2 SLAM技术发展简史
SLAM这个概念最早出现在1986年的IEEE机器人与自动化大会上。那时候大家还在用概率论的方法做机器人定位，后来慢慢形成了SLAM的理论雏形。
我简单梳理一下几个关键节点：
| 年代 | 里程碑 | 代表人物/工作 |
|---|---|---|
| 1986-1990 | SLAM概念提出，基于扩展卡尔曼滤波（EKF） | Smith, Self, Cheeseman |
| 1990-2000 | 粒子滤波方法兴起（FastSLAM） | Montemerlo, Thrun |
| 2000-2010 | 图优化框架成熟（iSAM, g2o） | Kümmerle, Grisetti |
| 2010-2015 | 视觉SLAM爆发（PTAM, ORB-SLAM, LSD-SLAM） | Klein, Mur-Artal, Engel |
| 2015-至今 | 深度学习+SLAM，语义SLAM，多传感器融合 | — |
我记得2012年刚入行那会儿，大家还在用PTAM做AR应用。PTAM虽然只能跑在小场景里，但它第一次把跟踪和建图分成了两个线程——这个设计思路到现在还在用。
后来ORB-SLAM出来的时候，我真是眼前一亮。它把特征点法做到了极致，支持单目、双目、RGB-D三种模式，而且带闭环检测。说实话，直到今天，ORB-SLAM系列依然是很多工程项目的首选基线。
为什么会这样？因为特征点法稳定啊。直接法虽然在某些场景下更鲁棒，但调参调到你怀疑人生。我曾经在一个纹理极少的仓库里跑LSD-SLAM，结果地图直接飘没了——嗯，从那以后我对直接法就多了一份敬畏。
1.3 视觉SLAM的应用领域
视觉SLAM不是实验室里的玩具。这些年它已经渗透到很多实际产品里了。
机器人领域
- 扫地机器人：这是SLAM最成熟的消费级应用。我拆过好几款主流扫地机，里面基本都是视觉+激光的融合方案。
- AGV/AMR：工厂里的自动导引车，靠SLAM在仓库里跑来跑去。我参与过一个项目，客户要求在没有二维码的仓库里实现厘米级定位——最后还是靠视觉SLAM+IMU搞定的。
- 无人机：室内无GPS环境下的悬停和避障，视觉SLAM是标配。
AR/VR领域
- 手机AR：苹果的ARKit、谷歌的ARCore，底层都跑了VIO（视觉惯性里程计）。
- VR头显：Inside-out追踪，靠头显上的摄像头做SLAM，不需要外部基站。我试过几款产品，说实话，追踪稳定性还有提升空间。
- 混合现实：微软HoloLens就是视觉SLAM的典型代表，实时构建环境网格，把虚拟物体稳稳地锚定在真实空间里。
自动驾驶领域
- 高精地图构建：自动驾驶车跑一遍路，靠SLAM生成带语义信息的高精地图。
- 多传感器融合定位：视觉+激光雷达+IMU+GNSS，SLAM在里面做核心的状态估计。
- 泊车辅助：环视鱼眼相机的SLAM，帮你在停车场里定位。
我的建议：如果你是刚接触视觉SLAM，别一上来就搞多传感器融合。先吃透单目视觉SLAM的原理，把特征提取、位姿估计、图优化这些基本功练扎实了，再考虑加IMU或者激光雷达。我见过太多人一上来就搞VINS-Fusion，结果连预积分都没搞明白——步子迈大了，容易扯着。
1.4 课程整体框架
这门课我打算这么讲：
- 基础篇：相机模型、坐标系变换、特征点提取与匹配、对极几何、PnP、BA优化。这些是SLAM的「四则运算」，必须滚瓜烂熟。
- 核心算法篇：ORB-SLAM3源码解析、VINS-Mono原理、LIO-SAM的多传感器融合。我会带着你一行一行看代码，告诉你哪些地方容易踩坑。
- 硬件选型篇：相机选型（卷帘快门vs全局快门）、IMU选型（消费级vs工业级）、计算平台选型（Jetson、RK3588、FPGA）。这部分是我的老本行，我会把这些年踩过的坑都抖出来。
- 系统集成篇：时间同步、标定（相机内参、相机-IMU外参）、嵌入式部署、实时性优化。说白了，就是怎么把算法塞进一个巴掌大的板子里，还能跑得稳。
- 实战项目篇：从零搭建一个视觉惯性里程计，在真实机器人上跑通。我会用我手头的一个AGV项目做案例，把整个流程走一遍。
避坑指南：我曾经在一个项目里，因为相机和IMU的时间戳没对齐，导致整个VIO系统发散。查了三天才找到原因——嗯，从那以后我每次做系统集成，第一件事就是检查时间同步。这个坑，你迟早也会遇到。
好了，第一章就到这里。视觉SLAM这个东西，说难不难，说简单也不简单。关键是把基础打牢，然后多动手。下一章我们开始啃相机模型和坐标系变换——这是所有SLAM算法的地基。