• 学习时长

    8周左右/建议每周8个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

课程价格: 899.00

支持花呗分期

  • 第1章: 概述与课程介绍
  • 第1节: 课程介绍与VIO概述
  • 第2节: 滑动窗口算法
  • 第3节: VIO 算法的分类:耦合方式分类、优化方式分类及时间戳标定、外参数标定⽅法
  • 第4节: 数学基础知识回顾:四元数知识、 四元数求导、李代数求导
  • 第2章: IMU传感器
  • 第1节: 旋转运动学
  • 第2节: IMU 测量模型及运动模型:MEMS 加速度计&MEMS 陀螺工作原理
  • 第3节: IMU 误差模型:确定性误差、随机误差&IMU 数学模型
  • 第4节: 运动模型离散时间处理:欧拉法&中值法
  • 第5节: IMU 数据仿真
  • 第3章: 基于优化的 IMU 与视觉信息融合
  • 第1节: 基于Bundle Adjustment的VIO融合
  • 第2节: 最小二乘问题的求解:基础:最速下降法,牛顿法;进阶:高斯牛顿法,LM 算法的具体实现;终极:鲁棒核函数的实现
  • 第3节: VIO 残差函数的构建:视觉重投影误差&预积分模型由来及意义&预积分量方差的计算
  • 第4节: 误差Jacobian推导:视觉重投影残差的Jacobian&IMU 预积分残差的雅克比
  • 第6章: 视觉前端
  • 第1节: 前端特征的提取与匹配:特征提取以及outlier剔除&主流框架前端介绍
  • 第2节: 相机姿态估计:特征点的三⻆化 & 姿态估计
  • 第3节: 前端代码实现:代码介绍&光流跟踪、关键帧选取等工程策略
  • 第7章: VINS系统构建
  • 第1节: VINS初始化:初始化状态量和原理、VINS-mono初始化公式推导、其他标定或者初始化方法推荐及介绍
  • 第2节: VINS系统的构建及算法流程:前端模块、初始化模块及后端模块
  • 第3节: 课程知识回顾与展望:课程知识回顾&视觉与轮速计、激光等传感器融合

相关推荐

智能机器人 定位与建图 基础
计算机视觉 智能机器人 定位与建图 基础