视觉SLAM理论与实践

本节课程带领大家了解视觉SLAM的应用场景，建立视觉SLAM的初步认识，并介绍学习SLAM需要掌握的预备知识，进一步带领大家了解Linux系统，熟悉CMake下的C++编程范式，为后续课程的编程实践打下基础。

本节课程讲解三维空间的刚体运动如何表达，细致讲解旋转矩阵，欧拉角，旋转向量和四元数四种不同参数的性质，以及各自的优缺点和变换关系，进一步学习如何调用Eigen库，让学生在实践中理解刚体运动的本质。

本节课程讲解李群李代数相关的基础知识，从SLAM的角度出发，解释引入李群的目的，介绍BCH近似，详细推导SLAM中关于旋转的求导与扰动模型，并带领学生了解和学习Sophus库，让学生认识扰动模型的具体实现。

本节课程讲解单目和双目针孔相机模型的投影原理，介绍主要的畸变类型，引入OpenCV库，让学生体会实际代码的操作过程；接着引入批量状态估计问题和非线性最小二乘，让大家初步了解SLAM问题的求解过程。

本章节在基于特征点的视觉里程计应用中极为重要，课程细致探讨特征点法下的SLAM运动观测方程，研究ORB特征提取与匹配的性质，理论推导以及实现技术，进一步研究特征匹配后的运动恢复，详细推导对极几何，PnP以及ICP算法原理，从对极几何进一步深入讨论本质矩阵和单应矩阵的应用场景，最后探讨三角化与深度估计问题，并通过代码实现让大家对各算法有更深刻的认识。

本章节重点讲解不同的视觉里程计算法，提升大家对比分析的能力，基于上节课程的内容，进一步研究视觉里程计中的光流法和直接法，详细推导光流法和直接法的数学原理，并根据之前所学内容，理解光流法和直接法的代码实现。

本章节是SLAM框架中的四大模块之一，课程基于前面所学的最小二乘，进一步研究SLAM后端优化的求解过程，介绍经典的卡尔曼滤波方法，接着引入批量方法BA，加深对BA的稀疏性和边缘化概念的理解，最后介绍位姿图优化的原理以及数学推导。

本章节在实际SLAM系统中非常重要，课程讲解从回环检测的意义讲起，并以词袋作为例子，深刻讲解回环检测的实现步骤，本节进一步探讨建图的意义，以及不同建图算法之间的差异，最后展望SLAM的研究方向，为大家明确研究目标和开展相应工作提供思路。

此为最后的大作业，旨在帮助大家从零开始搭建SLAM系统，深刻理解SLAM系统中每个模块的作用，通过实践的方式理解SLAM系统的整体流程，方便学生进一步学习多传感器融合以及结合深度学习的SLAM系统。