01
SLAM技术概述
什么是SLAM？视觉SLAM vs 激光SLAM，应用场景与挑战。
基础概念
02
相机模型与标定
针孔相机模型、畸变模型、相机标定实战 (OpenCV/Matlab)。
标定OpenCV
03
图像特征提取与匹配
ORB、SIFT、SURF特征，特征匹配与RANSAC误匹配剔除。
特征匹配
04
视觉里程计 (VO)
2D-2D对极几何、3D-2D PnP、3D-3D ICP、三角化。
VO几何
05
后端优化 (BA)
图优化基础、g2o/Ceres库使用、Bundle Adjustment实战。
优化BA
06
回环检测与地图构建
词袋模型 (DBoW3)、回环检测策略、全局一致性优化。
回环地图
07
视觉SLAM系统实战 (ORB-SLAM3)
系统架构、单目/双目/RGBD模式运行与调试。
ORB-SLAM3实战
08
ROS与SLAM集成
ROS基础、SLAM节点编写、Topic/Service通信、TF坐标变换。
ROS通信
09
导航框架概述
ROS Navigation Stack架构、move_base、costmap、planner。
导航框架
10
代价地图 (Costmap)
静态层、障碍物层、膨胀层，配置与调优。
Costmap调优
11
全局路径规划
Dijkstra、A*算法原理与实现，ROS中的navfn/global_planner。
全局规划A*
12
局部路径规划
DWA (动态窗口法)、TEB (时间弹性带)，参数调优与避障。
局部规划DWA
13
AMCL定位
自适应蒙特卡洛定位原理、粒子滤波、激光与视觉融合定位。
定位粒子滤波
14
地图服务
map_server、地图保存与加载、栅格地图与语义地图。
地图服务
15
机器人模型与URDF
URDF建模、xacro优化、在Rviz中可视化。
URDF可视化
16
Gazebo仿真
搭建仿真环境、传感器仿真 (相机/激光雷达)、SLAM与导航仿真。
仿真Gazebo
17
多传感器融合
IMU+视觉融合 (VINS-Mono)、GPS+视觉融合、EKF/ESKF框架。
融合IMU
18
嵌入式平台部署
Jetson Nano/RK3588环境搭建、交叉编译、性能优化。
嵌入式部署
19
算法加速与轻量化
模型量化、TensorRT加速、特征提取加速 (OpenCV CUDA)。
加速TensorRT
20
工程化与代码规范
C++/Python代码规范、CMake工程管理、日志与调试。
工程规范
21
SLAM精度评估
evo工具使用、ATE/RPE指标、轨迹对齐与误差分析。
评估evo
22
动态环境SLAM
动态物体检测与剔除、语义SLAM (Dynamic-SLAM、DS-SLAM)。
动态语义
23
语义导航
语义地图构建、基于语义的路径规划、人机交互导航。
语义导航
24
多机器人SLAM与导航
多机协同建图、分布式导航、通信与调度。
多机协同
25
仓储物流应用
AGV/AMR导航、二维码/反光板辅助定位。
物流AGV
26
服务机器人应用
室内送餐机器人、导览机器人、清洁机器人。
服务机器人
27
自动驾驶应用
视觉定位、车道线检测、端到端导航。
自动驾驶视觉
28
挑战与前沿
无GPS环境、大场景、长期运行、鲁棒性提升。
前沿挑战
29
项目实战：搭建视觉导航机器人
硬件选型、软件架构、联调测试。
实战全栈
30
课程总结与职业发展
SLAM工程师技能树、学习路线、面试准备与项目经验。
职业总结