01
SLAM概述
什么是SLAM？激光雷达SLAM的应用场景（扫地机器人、自动驾驶、AGV）。课程整体大纲介绍。
概念入门
02
环境搭建
Ubuntu系统安装、ROS Noetic安装、工作空间创建、必备工具（Rviz、Gazebo）介绍。
ROS工具
03
激光雷达基础
激光雷达工作原理（TOF、三角测距）、常见型号介绍、点云数据格式。
传感器点云
04
ROS通信机制
话题（Topic）、服务（Service）、动作（Action）详解。编写第一个发布/订阅节点。
ROS编程
05
点云处理基础
PCL库安装、点云滤波（体素滤波、直通滤波）、点云可视化。
PCL滤波
06
里程计模型
两轮差速模型、全向轮模型。从编码器数据推算机器人位姿。
运动学编码器
07
ICP算法
迭代最近点算法原理、PCL实现ICP、ICP在SLAM中的作用。
配准PCL
08
NDT算法
正态分布变换算法原理、PCL实现NDT、NDT vs ICP对比。
配准概率
09
前端里程计
基于ICP/NDT的帧间匹配、关键帧选取策略、局部地图构建。
前端匹配
10
后端优化
图优化理论简介、g2o库安装与使用、位姿图构建。
图优化g2o
11
回环检测
为什么需要回环检测？基于Scan Context的回环检测方法。
回环Scan Context
12
图优化SLAM
构建完整的图优化SLAM系统（前端+后端+回环）。
系统综合
13
Cartographer入门
Google Cartographer算法原理、代码结构分析。
CartographerGoogle
14
Cartographer实战
配置lua文件、运行2D SLAM、保存地图。
实战建图
15
Hector SLAM
Hector SLAM原理、纯激光SLAM（无需里程计）实战。
Hector无里程计
16
Gmapping
Gmapping算法原理（粒子滤波）、运行Gmapping建图。
粒子滤波2D
17
Karto SLAM
Karto SLAM原理、基于图优化的2D SLAM实战。
Karto图优化
18
多传感器融合
IMU+激光雷达融合、轮式里程计+激光雷达融合。
融合IMU
19
3D SLAM入门
LOAM算法原理、A-LOAM代码解析。
3DLOAM
20
LeGO-LOAM
LeGO-LOAM算法改进点、地面分割、运行LeGO-LOAM。
轻量地面分割
21
LIO-SAM
LIO-SAM原理（紧耦合）、IMU预积分、运行LIO-SAM。
紧耦合IMU
22
Fast-LIO
Fast-LIO算法原理、直接法点云配准、运行Fast-LIO2。
快速直接法
23
SLAM精度评估
EVO工具安装与使用、ATE/RPE指标计算、轨迹对齐。
评估EVO
24
多机器人SLAM
多机器人地图融合、协同SLAM概念。
多机协同
25
动态环境SLAM
动态物体滤除、基于深度学习的动态点云处理。
动态深度学习
26
语义SLAM
语义分割+SLAM、动态物体剔除、语义地图构建。
语义分割
27
SLAM在自动驾驶中的应用
高精地图构建、定位模块设计、多传感器标定。
自动驾驶高精地图
28
SLAM在机器人中的应用
自主导航（Navigation Stack）、代价地图构建。
导航代价地图
29
项目实战1
基于Cartographer的室内机器人建图与定位。
项目室内
30
项目实战2
基于LIO-SAM的室外无人车建图与定位。
项目室外