激光SLAM理论与实践 升级版I
激光SLAM理论与实践 升级版I
  • 学习有效期
  • 学习人数
  • 永久有效
  • 162
  • 承诺服务
  • 课程满意度
课程价格 ¥699.00

VIP专享价

0.00

开通会员享限时特惠 >>
该课程为限制课程,请联系客服
课程介绍

SLAM(同步定位与地图构建),是指运动物体根据传感器的信息,一边计算自身位置,一边构建环境地图的过程,解决机器人在未知环境下运动时的定位与地图构建问题。目前,SLAM 的主要应用于机器人、无人机、无人驾驶、AR等领域。按传感器来分,SLAM 主要分为激光 SLAM 和 视觉SLAM (VSLAM)两大类。其中,激光 SLAM 比 VSLAM 起步早,在理论、技术和产品落地上都相对成熟。

现根据第一期课程学员反馈,深蓝学院推出『激光SLAM理论与实践』升级版I 课程。课程会以一个2D激光SLAM的工程项目为主线,讲述每个核心模块的理论,以及编程实践。

作业安排

作业设置:课程从第2节起,均设置有课程作业,以实践作业为主。

提交时间:每节课程授课后,即可提交作业,每周末讲师和助教均会为大家及时批改,并反馈给大家。

提交形式:每节作业务必保存成一个压缩包,命名为“深蓝学院用户名+真实姓名+激光SLAM+第几节作业”,以邮件附件或百度网盘链接的形式发送,请勿以onedrive链接等需要科学上网才能下载的形式发送,否则作业不予统计!

提交邮箱:shenlancollege@163.com

 

讲师简介

曾书格,越凡创新科技有限公司技术负责人,电子科技大学硕士,研究生期间主要从事激光SLAM和机器人导航方面的研究和项目,其带队研发的全自主移动机器人—小贩机器人(FANBOT)已与万达、猎户星空等知名企业合作,团队拥有90多项国家专利技术。

曾获得2013年第十二届亚太大学生机器人竞赛(ABU Robocon)国内选拔赛冠军;2013年瑞萨杯全国大学生电子设计竞赛控制组全国一等奖。

 

课程内容

      1、 激光SLAM简要介绍 

            1.1   激光SLAM的发展历史

            1.2   激光SLAM的核心框架

            1.3   数学基础

            1.4   本课程目标

     2、传感器数据处理I:里程计运动模型及标定

            2.1   里程计运动学模型

                 2.1.1   简化的线性模型

                 2.1.2   实际模型

            2.2    里程计标定原理

            2.3    实践:里程计标定

      3、传感器数据处理II:激光雷达数学模型和运动畸变去除

            3.1    激光雷达数学模型

            3.2    运动畸变概念及影响

            3.3    基于纯激光雷达的运动畸变去除

            3.4    基于里程计辅助的运动畸变去除

            3.5    实践:雷达畸变去除

      4、激光SLAM的前端配准方法 I

            4.1   ICP匹配方法

            4.2   PL-ICP匹配方法

            4.3   NICP匹配方法

            4.4   IMLS-ICP匹配方法

            4.5   实践:NICP方法实现点云配准

      5、激光SLAM的前端配准方法 II

            5.1   基于高斯牛顿的优化方法

            5.2   NDT方法(Normal Distribution Transformation

            5.3   相关方法 & 分支定界匹配方法

            5.4   实践:分支定界法实现点云配准

      6、基于图优化的激光SLAM方法(Grid-based)

            6.1   Pose Graph的概念

            6.2   非线性最小二乘原理

            6.3   非线性最小二乘求解SLAM

            6.4   经典开源算法(cartographer)基本流程

            6.5   实践:一个简单的基于优化的SLAM算法

      7、基于已知定位的建图

            7.1   地图分类

            7.2   基于占用概率的栅格地图构建

            7.2   基于TSDF的栅格地图构建

            7.3   实践:构建栅格地图

      8、3D激光SLAM介绍

            8.1   3D激光SLAM介绍

            8.2   3D激光和视觉融合

 

优化内容

课程结构方面:本期课程以一个2D激光SLAM的工程项目为核心主线,刨析激光SLAM的几大核心工程模块:激光雷达数据处理、前端点云匹配、后端优化、建图。每个核心模块,除了讲述工程中常用的方法理论外,还会代码实践。

课程内容方面:增加了前端配准的内容,详细介绍一些配准方法,由1个章节增加到2个章节;后端部分,去掉了实际工程项目中,应用较少的基于滤波器的方法。

学员收获方面:学习完整个课程,并完成作业后,一个完整的2D激光SLAM的工程项目,也就完成了。

 

课程咨询

联系学院工作人员-欣然咨询报名事宜

 

学员结业及优秀学员评选  

1. 课程学习结束,作业全部提交的同学,可获得课程结业证书;

2. 根据每次作业的分数,评选优秀学员,优秀学员获得优秀学员证书;

3. 优秀学员可推荐至百度、地平线、镭神智能等企业实习或者就业。

 

先修课程  

高等数学、线性代数(矩阵论)、概率论、C++、Linux

 

讲师Q&A

1. 这门课程有什么推荐书籍或者教材?

可以参考《概率机器人》,主要看非线性最小二乘的内容。

2. 这个课程讲到了什么程度,学完后能做到什么程度?

课程会以一个基于图优化的2D激光SLAM工程项目为主线,讲述每个核心模块的理论与编程实践。课程整体内容偏工程实践。

3. 只有视觉slam的基础可以学习这门课程吗?

可以的,就理论部分来说,视觉比激光复杂一些。因为这门课现在主要讲2D激光SLAM,所以还是在欧式空间,不在流形上,理论上要简单一些。

4. 是否会涉及关于其它传感器数据转换为laser scan或者point clould的知识?

关于数据处理的话,主要会讲里程计的标定和激光雷达运动畸变的去除。

5. 是否会涉及到 ros ?

会有一些,但是都会写好程序的。不过大家最好还是要学习一下ROS。毕竟大家如果学习激光SLAM的话,基本都是往机器人领域发展的,往这个领域发展不会ROS的话,是有些不太好的。

6. 课程中为什么没有基于滤波的方法?

基于滤波的方法在实际应用中并不占主流。

7. 课程提纲里面提到的畸变去除,主要是什么畸变?

激光雷达在运动过程中造成的点云畸变。                               

授课教师

技术负责人

关于课程

学习方式

1、课程的课件、代码及其它学习资料将于每周五晚上 7 点之前更新,便于课前预习;课程视频将于每周日晚 7 点更新,课程永久有效,随时可看回放; 

2、每一讲均布置作业,由讲师和助教批改并公布作业完成情况;

3、报名课程后将加入微信答疑群,与讲师直接沟通,实时答疑;

4、如需缓存视频,可下载深蓝学院安卓版APP或IOS版APP;

5、请同学们留出 4 个小时左右的时间用于课程习题,以更好的吸收课程知识。

推荐课程

  • 暂无推荐课程