• 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
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。

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

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》