学习SLAM的小伙伴，那些年有没有哭晕在厕所？

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

那些年有没有哭晕在厕所？

很多学习SLAM的小伙伴通常会经历以下阶段：

1. 看SLAM相关的论文，发现很多公式、理论看不懂，好不容易努力看了个大概，也不知道具体怎么用。

2. 于是去跑开源代码，安装调试出错，网上也找不到解决方案。不知道是环境配置问题还是代码有bug。

3. 好不容易跑通了代码。在实际测试时发现问题很多，远不如论文里写的那么牛逼，不知道这个算法的适用场景是什么。抓不住重点瞎折腾，浪费了时间。

4. 没办法，硬着头皮去看代码，代码量又非常大，看起来非常痛苦，急需大牛帮忙梳理思路。

5. 摸索了很久，终于发现有几个点（藏的很深）好像比较影响算法性能，还发现了一些trick的东西。自己也不会改进，感觉被骗了，纠结要不要换个开源试试。

6. 反反复复好不容易找到适合自己的开源方案，发现上面过程要再来一遍，想要理清代码，搞懂原理也要花费大量精力，更别提改进代码了。

7. 哭晕在SLAM的汪洋大海里。。。

学习SLAM中经历上述阶段是令人痛苦的，关键是浪费了很多宝贵的时间，即使是SLAM大神，我估计或多或少都经历过上述阶段。如果一开始有人能指点一下，肯定能绕开不少坑吧！

为解决上述问题，「从零开始学习SLAM」知识星球应运而生，星球里目前已经有接近2100人。包含三维重建、机器人SLAM方向沉淀了2年多的干货，包括大量图文、视频教学视频、实习/校招/社招机会、笔试面试题目及解析、疑难解惑、领域内最新开源论文/代码/数据集等（详细介绍见后），还可以加入粉丝专属微信交流群/星球内部资料、每天只需几毛钱，即可快速触达我们优质技术社区，一起交流学习，不管是刚刚入门的新手，还是已经是行业的从业者，都能获益良多~

现在加入立减30元，优惠有效期到12月2日晚上23点截止，名额有限，先到先得，3天内不满意可全额退款。

7月底ORB_SLAM3 论文及开源代码了，支持单目、双目、RGB-D相机，针孔、鱼眼，视觉惯性里程计，多地图SLAM等，基本视觉SLAM都被覆盖了，难怪 SLAMer 们惊呼「全能王」来了！

拿几个例子说话：

疯狂震荡！

疯狂绕圈！

甚至滑滑梯从黑管子中穿过！

ORB_SLAM3 虽然是在ORB_SLAM2的基础上加入了很多新的方法，但是基本框架、代码结构都是ORB_SLAM2的延伸和扩展，学习ORB_SLAM2 就非常有必要了！

笔者和小伙伴们一起做了ORB_SLAM2超详细的代码注释，见下，红色表示原作者代码错误！黄色是解答一部分疑惑，绿色的是详细的步骤，蓝色是代码原理推导。

注释的代码持续更新，网址：

https://github.com/electech6/ORBSLAM2_detailed_comments

此外，笔者录制了 ORB_SLAM2 的逐行代码详解系列视频，对于疑难部分绘制了大量示意图片方便理解。方便不熟悉的同学快速入门，每周都会更新，目前已经更新到21讲视频。这里放两个视频供大家参考。

ORBSLAM2原理代码详解1-简介、安装、运行

ORBSLAM2代码详解19-如何构建离线/在线vocabulary tree，图像如何转化为词袋BowVector和特征向量FeatureVector

视频中不仅仅讲ORBSLAM2本身，也扩展讲解了很多相关知识。

目前视频已经更新到第40讲，预计更新到50讲+，已经更新的视频每个10-30分钟，标题见下：

ORBSLAM2原理代码详解01-简介安装运行.mp4                                          

ORBSLAM2原理代码详解02-图像金字塔特征点数目、灰度质心圆索引.mp4                         

ORBSLAM2原理代码详解03-特征提取仿函数、图像扩充金字塔.mp4                         

ORBSLAM2原理代码详解04-特征点四叉树均匀化分配策略.mp4                                    

ORBSLAM2原理代码详解05-ORB特征点方向计算实现旋转不变性.mp4                                

ORBSLAM2原理代码详解06-ORB描述子steer brief计算方法.mp4                            

ORBSLAM2原理代码详解07-去畸变算图像边界划分网格.mp4                                     

ORBSLAM2原理代码详解08-稀疏双目立体匹配.mp4                                         

ORBSLAM2原理代码详解09-单目初始化快速特征匹配方法.mp4                                    

ORBSLAM2原理代码详解10-单目初始化中特征匹配角点筛查原理及bug解析.mp4                

ORBSLAM2原理代码详解11-单目初始化单应矩阵归一化及DLT计算原理.mp4                       

ORBSLAM2原理代码详解12-单目初始化根据得分找到最佳单应基础矩阵.mp4                       

ORBSLAM2原理代码详解13-卡方检验介绍及在源码的应用.mp4                                    

ORBSLAM2原理代码详解14-从单应矩阵恢复位姿及三角化.mp4                                    

ORBSLAM2原理代码详解15-从基础矩阵得到最佳位姿及三维点.mp4                                  

ORBSLAM2原理代码详解16- 初始化三维点来构造初始化地图.mp4                                  

ORBSLAM2原理代码详解17- 初始化关键帧更新共视关系、尺度归一化.mp4                         

ORBSLAM2原理代码详解18-视觉词袋BoW的应用背景.mp4                                     

ORBSLAM2原理代码详解19- 图像描述子转化为BowVector和FeatureVector.mp4               

ORBSLAM2原理代码详解20- 参考关键帧跟踪当前普通帧.mp4                                    

ORBSLAM2原理代码详解21- 恒速模型跟踪当前普通帧.mp4                                     

ORBSLAM2原理代码详解22- 跟踪丢失后的重定位方法.mp4                                     

ORBSLAM2原理代码详解23- 跟踪局部地图-创建局部关键帧和地图点.mp4                           

ORBSLAM2原理代码详解24-局部地图跟踪-局部地图点搜索匹配.mp4                                 

ORBSLAM2原理代码详解25- 关键帧简介、插入及创建关键帧.mp4                                  

ORBSLAM2原理代码详解26- 不同跟踪方法的对比、跟踪完整流程.mp4                                

ORBSLAM2原理代码详解27- 局部建图线程处理新关键帧、检查删除地图点.mp4                  

ORBSLAM2原理代码详解28- 局部建图线程生成新的地图点.mp4                                   

ORBSLAM2原理代码详解29- 局部建图里两级局部关键帧地图点融合.mp4                            

ORBSLAM2原理代码详解30- 局部建图里localBA过程.mp4                                  

ORBSLAM2原理代码详解31- 局部建图线程剔除关键帧及线程梳理.mp4                                

ORBSLAM2原理代码详解32- 闭环检测寻找初始闭环候选关键帧.mp4                                 

ORBSLAM2原理代码详解33- 根据闭环连续性进一步精选闭环候选关键帧.mp4                      

ORBSLAM2原理代码详解34- 为什么需要计算Sim3？.mp4                                    

ORBSLAM2原理代码详解35- 通过估计的Sim3变换互相投影来获得更多的匹配对.mp4          

ORBSLAM2原理代码详解36- 闭环时固定地图点用G2O进行Sim3优化.mp4                           

ORBSLAM2原理代码详解37- 闭环候选连接关键帧地图点投影匹配.mp4                                

ORBSLAM2原理代码详解38- 闭环矫正SIM3位姿传播.mp4                                    

ORBSLAM2原理代码详解39- 闭环矫正SIM3位姿修正地图点.mp4                                 

ORBSLAM2原理代码详解40- 闭环相连关键帧组投影匹配融合地图点.mp4        

欢迎加入「从零开始学习SLAM」知识星球一起学习！

SLAM知识星球已经运行两年多，沉淀的干货越来越多，目前已经有约2千人加入，早期加入的成员很多已经进入业界知名公司、高校研究机构开启了精彩的人生。希望SLAM知识星球能够帮助更多的小伙伴快速找到组织，能够高效的进入学习状态，少走弯路，共同进步！

扫码加入，不满意3天内无条件退款！

我们的SLAM知识星球学习交流社区，包含：

1. 图文教程：从零开始学习SLAM图文教程、练习题及答案解析，更新到第19课

2. 视频教程：ORBSLAM2 逐行代码详解（更新到12课）、环境/第三方库配置使用、作业讲解、疑难/常见错误讲解、VO代码讲解

3. 面试经验：SLAM常见面试题目及答案解析、SLAM笔试题目及答案、

4. 参考资料：电子书、实用手册、SLAM最新论文、开源代码介绍

5. 工作机会：第一时间发布三维视觉、SLAM相关内推实习/校招/社招岗位、项目合作、硕博招生等

6. 答疑解惑：包括作业解答、知识盲点梳理、调研调试方法、硕博方向选择等

7. 优秀同学：星球内嘉宾和学员都非常优秀上进，包括：

   
   

   来自大疆、旷世、商汤、虹软、百度、上汽、海康威视、达闼、极智嘉、肇观、华捷艾米、银星智能、indemind、中科慧眼等公司的视觉SLAM/激光SLAM/三维重建/多传感器融合/点云处理算法工程师、技术leader

   
   

   来自慕尼黑理工、KIT、柏林工大、东京大学、筑波大学、瑞典皇家理工、苏黎世大学、卡迪夫大学、阿德莱德大学、约翰霍普金斯大学、香港理工、香港中文等境外留学生

   
   

   来自清华、北航、北邮、中科院、上交、华东理工、上大、浙大、杭电、南大、南航、南邮、矿大、中科大、哈工大、西交、西电、武大、华科、成电、华南理工、广东工大、国防科大、东大、深大等国内优秀硕博士

什么是SLAM？

SLAM是 Simultaneous Localization And Mapping的 缩写，一般翻译为：同时定位与建图、同时定位与地图构建。

SLAM的典型过程是这样的：当某种移动设备（如机器人/无人机、手机、汽车等）从一个未知环境里的未知地点出发，在运动过程中通过传感器（如激光雷达、摄像头等）观测定位自身在三维空间中的位置和姿态，再根据自身位置进行增量式的三维地图构建，从而达到同时定位和地图构建的目的。

传统的视觉算法主要是对针对二维图像的处理，借助深度学习在分类识别方面取得了超越人眼精度的巨大成就，就像人眼是通过双眼立体视觉来感知三维世界一样，智能移动终端（比如智能手机、无人汽车、无人机、智能机器人）需要能够像人类一样利用SLAM算法来快速精确的感知、理解三维空间。

最近几年，以双目相机、结构光/TOF相机、激光雷达为代表的三维传感器硬件迭代更新迅猛，国内外已经形成了成熟的上下游产业链。三维视觉传感器也逐渐走入普通人的生活，在智能手机、智能眼镜等设备上应用越来越多，以手机为例，苹果、华为、小米、OPPO、VIVO等手机大厂都在积极推动结构光/TOF相机在手机上的普及。

SLAM技术为核心的三维视觉在学术界也是一个热门方向，从最近几年计算机视觉相关的顶级会议CVPR, ICCV,  ECCV，IROS, ICRA 录用论文来看，视觉定位、三维点云识别分割、单目深度估计、无人驾驶高精度导航、语义SLAM等相关论文占比越来越高。

因此SLAM技术在最近几年发展迅猛，广泛应用于增强现实感知、自动驾驶高精度定位、机器人自主导航、无人机智能飞行等前沿热门领域。

关于SLAM的入门介绍及应用案例解析，可以看笔者在一次线下分享中，做的一个入门视频介绍，时长约55分钟

学习SLAM如何入门？

SLAM是涵盖图像处理、多视角视觉几何、机器人学等综合性非常强的交叉学科。

学习SLAM涉及线性代数矩阵运算、李群李代数求导、三维空间刚体变换、相机成像模型、特征提取匹配、多视角几何、非线性优化、回环检测、集束调整、三维重建等专业知识。SLAM是强实践学科，需要具有一定的C++编程能力，掌握Linux操作系统、Eigen, Sophus, OpenCV, Dbow, g2o, ceres等第三方库，能够快速定位问题，解决bug。

SLAM关联知识（点开查看大图）

这对于初学者来说无疑具有较高的门槛，也需要花费不少的时间来摸索重点，打好基础。这个过程可能比较痛苦，但是熬过了这个过程，你就拥有了自己独有的核心竞争力，不用担心轻易被取代，未来会有非常强的竞争力。

但是目前关于SLAM学习的资料不多，而且参差不齐，初学者推荐高翔的《视觉SLAM十四讲》，该书也是本教程的必备参考书籍

计算机视觉life总结了SLAM学习资源树（点击看大图）

但很多小伙伴在学习期间仍然会遇到很多困难：公式看不懂，代码不会写，不知道怎么入手，没有人指导或者一起讨论，很容易不得要领，进度极慢，走弯路等，不仅浪费了时间和精力，甚至因此放弃了该方向的研究，以后可能再也没有机会进入这个领域了，错过了时代的风口。

目前SLAM领域优秀企业列表（点开查看大图）

有没有好的教程和学习圈子，可以避免采坑，及时答疑解惑，少走弯路，快速入门？

《从零开始学习SLAM》知识星球

该星球已经创立2年多，有约2千小伙伴加入学习，每天都有思维的碰撞，星球已经累计几千条优质主题，是少有以SLAM学习为主题的高质量知识星球。主要有以下几个亮点：

1、技术介绍全面。学习过程从基础的知识开始循序渐进，内容涵盖图文教程、视频教程、技术交流分享、工作机会。

2、专门设计的练习题，重视实践。星主根据不同知识点设计一些实用性的练习题（推导、编程等），所有提交作业都会批改。光看不做假把式，适当的练习能够加深读者的理解，把知识消化吸收为自己所用。

3、高质量的交流学习社区。星球成员来自国内外硕博士及相关公司研发人员。练习题，有专属内部实名微信群 帮助日常互助答疑解惑。所有成员都可以进行发布问题、分享知识、上传资源、点赞、留言、赞赏、收藏等操作。星球里提问均免费，星主会及时答疑解惑 。

4、精选SLAM常见面试题，定期发布在星球里，引导大家讨论，并提供参考答案，帮助找工作的同学从容面试。目前已经有几十条SLAM常见面试题目和详细解答。

见《干货总结 | SLAM 面试常见问题及参考解答》。星球内也会经常发布SLAM相关的实习生/校园/社会招聘。

如何加入知识星球？

知识星球需付费加入，价格随人数增加逐渐上涨，因此越早加入越优惠。有效期一年（从加入时间开始往后一年有效，到期仍可查看之前所有内容，查看新内容需续费），平时忙也没关系，有空可以反复看。

时间不等人，万事早为先。学习切忌单打独斗，一个良好的学习圈子能够帮助你快速入门，交流讨论才能少走弯路，快速进步！加入SLAM学习星球，把握时代的风口，和国内外优秀的SLAM研究者一起交流进步，甚至找到理想工作。3天内无条件退款。等你来哦

加入还可以获得：

- SLAM星球入门系列练习题答案汇总

- SLAM星球问答整理

- 计算机视觉、SLAM入门学习资料

- 课程与项目视觉相关技术问题，有问必答

- 不定期SLAM相关求职招聘信息及经验分享

扫码加入，不满意3天内无条件退款！

加入之后，邀请其他人加入后双方都可以获得8%-18%的返现。快快分享给爱学习的小伙伴吧~

如果没有考虑好是否加入星球也没关系。可以关注公众号：计算机视觉life，公众号里有大量SLAM、三维视觉相关的高质量文章，都是免费的哦～

长按关注计算机视觉life