课程导论：室内深度感知与建图概述
大家好，我是这门课的主讲。在SLAM和计算机视觉领域摸爬滚打了十来年，踩过的坑比走过的路还多。今天咱们聊聊室内深度感知与建图——说白了，就是让机器在屋里「看懂」并「记住」环境。
你想想看，扫地机器人为什么不会撞墙？AR眼镜怎么把虚拟茶杯「放」在真实桌面上？背后都离不开这套技术。我个人习惯把这件事拆成两个核心问题：「我在哪？」和「周围长什么样？」。前者是定位，后者是建图。而深度感知，就是给这两个问题提供「眼睛」。
为什么室内场景这么特殊？
室外有GPS，室内可没有。墙壁会反光，走廊长得都差不多，光照一变，特征点就丢了。我在项目中遇到过最头疼的事——客户家的黑色大理石地面，深度相机直接「失明」，因为红外光被吸收了。嗯，这里要注意：室内环境的纹理稀疏、结构重复、光照多变，这三个特性让传统算法频频翻车。
核心挑战总结：
- 纹理缺失：白墙、玻璃、镜面
- 动态干扰：人走动、门开关、宠物
- 尺度模糊：单目相机无法直接获取深度
应用场景：从地面到眼前
先说扫地机器人。这是室内SLAM最成熟的落地场景。我2018年帮一家厂商调过算法，当时他们用的还是激光雷达，但成本高、无法感知悬崖（楼梯）。后来换成双目+ToF的方案，才真正解决了「掉下楼梯」的尴尬。现在的扫地机，不仅要建图，还要识别地毯、电线、宠物粪便——这已经超出传统SLAM范畴了，属于语义建图。
再说AR/VR。这个对实时性要求极高。你戴着头显，头稍微一转，虚拟物体就得跟上。延迟超过20ms，人就会头晕。我记得有一次调试Hololens，发现深度图更新频率只有15fps，导致虚拟杯子「飘」在桌上——后来改用轻量级CNN做深度补全，才压到5ms以内。
| 场景 | 核心需求 | 常用传感器 | 我踩过的坑 |
|---|---|---|---|
| 扫地机器人 | 低成本、低功耗、避障 | 单目/双目+ToF | 黑色地毯吸光，ToF失效 |
| AR/VR | 低延迟、高精度、6DoF | 双目+IMU | 快速旋转时IMU漂移严重 |
| 仓储机器人 | 大场景、长走廊、回环 | 激光+深度相机 | 回环检测在对称货架前频繁误匹配 |
课程目标：你能带走什么？
这门课不讲虚的。学完之后，我希望你能：
- 手写一个轻量级深度估计网络，从单张RGB图输出深度图
- 搭建完整的室内SLAM系统，融合IMU和深度数据
- 部署到嵌入式设备（比如Jetson Nano），跑实时建图
说白了，就是给你一套「从算法到工程」的完整工具箱。我曾经带过一个实习生，他照着课程代码改了一周，就把扫地机的建图精度从30cm提升到了5cm——这就是我想看到的效果。
前置知识：你需要准备什么？
别担心，门槛不高，但有些东西绕不开：
- 编程基础：Python熟练，C++能看懂（关键模块会用C++重写）
- 线性代数：矩阵运算、坐标系变换、最小二乘——这些是SLAM的数学骨架
- OpenCV基础：至少知道怎么读图、显示、做特征匹配
- ROS基础：会启动节点、发布订阅话题就行
我的建议：如果你对ROS还不熟，先花两天跑一遍官方tutorial。不用全懂，知道怎么用rosbag录数据就够了。我们课程里会手把手带你写节点。
注意：别一上来就啃论文。我见过太多人卡在ORB-SLAM的论文里出不来。先动手，再理论。代码跑通了，回头再看论文，你会发现「哦，原来就这么回事」。
知识体系总览
下面这张图，是我自己梳理的课程知识框架。你可以把它当成一张「地图」，学完一章就回来看看，心里就有数了。
这张图里，传感器层是基础，深度感知和SLAM是核心算法，工程落地是真正让算法跑起来的关键。我们课程会按照这个结构，一层层往下拆。
学习路线建议：先搞定深度感知（第2-4章），再进入SLAM（第5-7章），最后做工程整合（第8-10章）。别跳着学，否则你会发现自己「知其然不知其所以然」。
好了，导论就到这里。下一章我们直接上手——用Python写一个单目深度估计的demo，让你亲眼看到「一张图变出深度图」的过程。准备好了吗？
公众号:蓝海资料掘金营，微信deep3321