课程价格 :
¥999.00
剩余名额
0
-
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
-
课程有效期
一年/告别拖延,温故知新
课程价格:
¥999.00
预约下一期 *课程已报满,可预约下一期
支持花呗分期
*课程已报满,可预约下一期
- 1:手写vio十一期开课仪式.pdf
- 第1章: 概述与课程介绍
- 第1节: 课程介绍
- 2-1:【课件】概述与课程介绍
- 2-2:【视频】课程与内容提要
- 第2节: VIO概述
- 3:【视频】vio概述
- 第3节: 数学基础知识回顾
- 4:【视频】预备知识回顾
- 第4节: 作业
- 5-1:【作业】第一章
- 5-2:第一章作业提示.pdf
- 第2章: IMU传感器
- 第1节: 旋转运动学
- 6-1:【课件】IMU传感器
- 6-2:【视频】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
- 7:【视频】IMU 测量模型及运动模型
- 第3节: IMU 误差模型:确定性误差、随机误差&IMU 数学模型
- 8:【视频】 IMU 误差模型
- 第4节: 运动模型离散时间处理:欧拉法&中值法
- 9:【视频】运动模型离散时间处理
- 第5节: IMU 数据仿真
- 10-1:【视频】IMU 数据仿真
- 10-2:【视频】仿真代码讲解
- 第6节: 作业
- 11-1:【作业】第二章
- 11-2:第二章作业提示
- 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
- 12-1:【课件】L3BundleAdjustment
- 12-2:【视频】基于Bundle Adjustment的VIO融合
- 第2节: 最小二乘问题的求解
- 13:【视频】最小二乘问题求解
- 第3节: VIO 残差函数的构建
- 14:【视频】VIO残差函数的构建
- 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
- 15:【视频】误差Jacobian推导
- 第5节: 作业
- 16-1:【作业】第三章
- 16-2:第三章作业思路提示
- 第4章: 基于滑动窗口算法的VIO 系统:可观性和一致性
- 17:【课件】SlidingWindow
- 第1节: 从高斯分布到信息矩阵
- 18:【视频】从高斯分布到信息矩阵
- 第2节: 舒尔补应用:边际概率, 条件概率
- 19:【视频】舒尔补应用:边际概率, 条件概率
- 第3节: 滑动窗口算法: 图优化基础、 基于边际概率的滑动窗口算法
- 20:【视频】 滑动窗口算法: 图优化基础、 基于边际概率的滑动窗口算法
- 第4节: 滑动窗口中的FEJ 算法
- 21:【视频】滑动窗口中的FEJ 算法
- 第5节: 作业:第四章
- 22-1:【作业】第四章
- 22-2:第四章作业提示.pdf
- 22-3:【视频】vio第四章作业思路讲解
- 第5章: 后端优化实践:逐行手写求解器
- 第1节: 非线性最小二乘求解
- 23-1:【课件】BackendSolver
- 23-2:【视频】非线性最小二乘求解
- 第2节: 代码讲解之单目BA求解
- 24:【视频】代码讲解之单目BA求解
- 第3节: 滑动窗口算法
- 25:【视频】滑动窗口算法
- 第4节: 代码讲解之Vins-Mono滑动窗口算法
- 26:【视频】代码讲解之Vins-Mono滑动窗口算法
- 第5节: 作业
- 27-1:【作业】第五章
- 27-2:第五章作业提示.pdf
- 27-3:【视频】vio第五章作业思路讲
- 第6章: 视觉前端
- 28:【课件】视觉前端
- 第1节: 前端的工作
- 29:【视频】前端的工作
- 第2节: 特征点提取、匹配和光流
- 30:【视频】特征点提取、匹配和光流
- 第3节: 关键帧与三角化
- 31:【视频】关键帧与三角化
- 第4节: 实践作业
- 32-1:【作业】第六章
- 32-2:第六章作业提示.pdf
- 32-3:【视频】第六章作业讲解
- 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
- 33-1:【课件】第七章
- 33-2:【视频】part1
- 33-3:【视频】part2
- 第2节: 实践:代码讲解
- 34:【视频】代码讲解
- 第3节: 实践:作业
- 35-1:【作业】第七章
- 35-2:第七章作业提示
- 35-3:【视频】第七章作业提示
- 第8章: 相机和IMU时间戳同步
- 第1节: 基于视觉特征匀速运动模型的时间戳标定算法
- 36-1:【课件】相机与IMU时间戳同步
- 36-2:【视频】 sec1 时间戳同步问题及意义
- 第2节: 基于相机轨迹匀速运动模型的时间戳标定算法
- 37:【视频】sec2 时间戳延迟估计方法
- 第3节: 算法对比总结
- 38:【视频】sec3 时间戳同步算法扩展
- 第4节: 作业
- 39-1:【作业】第八章
- 39-2:第八章作业提示.pdf
- 39-3:【视频】第八章作业讲解
- 第9章: 课程总结
- 第1节: 多传感器融合展望与资料推荐
- 40-1:【课件】总结与展望
- 40-2:【视频】课程简单回顾
- 第2节: VIO和其他传感器融合
- 41:【视频】vio和其他传感器融合
- 第10章: Project: Square Root Bundle Adjustment for Large-Scale Reconstruction
- 第1节: 原理与代码
- 42-1:【论文】Square Root Bundle Adjustment.pdf
- 42-2:【视频】论文解读
- 42-3:【视频】代码框架讲解
- 42-4:【作业】大作业
- 42-5:【代码】Project BASolver.zip
- 43-1:【文件】大作业提示
- 43-2:【视频】大作业讲解


实践一:IMU仿真实践
设置IMU仿真代码中的不同噪声参数,然后运行imu_utils生成Allan方差标定曲线的结果,并比较欧拉积分和中值积分的效果。


实践二:使用LM算法估计曲线参数




实践三:绘制信息矩阵




实践四:VINS系统构建
搭建一个最简单的VINS系统,包括三个部分:前端,数据处理:特征提取匹配,IMU积分;初始化:系统初始状态变量(重力方向,速度,尺度等等);后端:滑动窗口优化。


实践五:将IMU仿真数据接入到VINS系统中
将IMU仿真数据接入到VINS代码中,生成无噪声和有噪声情况的两种运行轨迹。



