01
视觉定位概述
什么是视觉定位、应用领域（机器人、自动驾驶、AR/VR）、基本流程（图像采集→特征提取→匹配→位姿解算）
基础流程
02
坐标系与刚体变换
世界坐标系、相机坐标系、图像坐标系、像素坐标系；旋转矩阵、平移向量、齐次坐标
数学刚体
03
相机成像模型
针孔相机模型、畸变模型（径向畸变、切向畸变）、内参矩阵与外参矩阵
相机内参
04
相机标定基础
张正友标定法原理、标定板设计、OpenCV标定流程
标定OpenCV
05
特征点提取与匹配
Harris角点、SIFT、SURF、ORB特征；暴力匹配与FLANN匹配
特征匹配
06
对极几何与基础矩阵
对极约束、本质矩阵、基础矩阵、八点法求解
几何矩阵
07
单应矩阵与平面场景
单应矩阵定义、平面场景下的位姿估计、应用场景（如二维码定位）
单应平面
08
PnP问题与位姿求解
P3P、EPnP、DLT方法；RANSAC鲁棒估计
PnPRANSAC
09
视觉定位误差来源分析
图像噪声、光照变化、特征点提取误差、标定误差、量化误差
误差分析
10
误差建模与传播
误差传递公式、协方差矩阵、一阶泰勒展开近似
建模协方差
11
图像预处理降噪
高斯滤波、中值滤波、双边滤波；对定位精度的影响
滤波降噪
12
亚像素精度定位
亚像素角点检测、插值方法（二次插值、高斯拟合）
亚像素插值
13
特征匹配的误匹配剔除
RANSAC、GMS、基于深度学习的匹配过滤
误匹配过滤
14
相机标定误差补偿
重投影误差最小化、非线性优化（Levenberg-Marquardt）
标定补偿优化
15
畸变校正与补偿
径向畸变校正、切向畸变校正、OpenCV undistort函数
畸变校正
16
多传感器融合补偿
视觉+IMU、视觉+轮式里程计、卡尔曼滤波融合
融合IMU
17
基于滤波的定位优化
扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）
EKFUKF
18
基于图优化的定位优化
图优化理论、g2o/Ceres库使用、BA（光束法平差）
图优化BA
19
回环检测与全局优化
词袋模型（BoW）、回环检测流程、位姿图优化
回环BoW
20
动态环境下的误差补偿
运动物体剔除、动态特征点处理、语义SLAM
动态语义
21
光照鲁棒性增强
光照不变变换、自适应直方图均衡化、Retinex算法
光照鲁棒
22
纹理缺失场景的补偿
边缘特征利用、线特征（LSD）、平面特征
纹理线特征
23
视觉定位精度评价指标
绝对轨迹误差（ATE）、相对位姿误差（RPE）、均方根误差（RMSE）
评价ATE
24
仿真环境搭建与误差注入
Gazebo/Unity仿真、人为添加噪声、误差分析工具
仿真误差注入
25
实际案例：AGV小车视觉定位
AGV小车视觉定位误差分析与补偿（从标定到定位全流程）
AGV案例
26
实际案例：无人机视觉着陆
无人机视觉着陆定位误差补偿（多视角融合、高度估计）
无人机着陆
27
实际案例：AR眼镜定位补偿
AR眼镜中的视觉定位误差补偿（实时性要求、抖动抑制）
AR实时
28
深度学习在误差补偿中的应用
SuperPoint特征、SuperGlue匹配、端到端位姿回归
深度学习SuperGlue
29
视觉定位系统集成与调试
ROS集成、参数调优、实时性能优化
ROS调试
30
前沿趋势与展望
事件相机、神经辐射场（NeRF）定位、视觉-语言模型辅助定位
前沿NeRF