视觉SLAM培训课程大纲

•  

• 培训对象：

• 适合具备C++编程基础、线性代数与概率论基本知识，熟悉Linux操作系统，希望系统掌握视觉SLAM核心技术原理与工程实践能力的SLAM算法工程师、机器人研发人员、自动驾驶工程师、计算机视觉研究人员及自动化/计算机相关专业学生。

•  

• 培训目标：

• 完成本课程后，学员将能够深入理解视觉SLAM的核心技术体系（前端里程计、后端优化、回环检测、地图构建），熟练掌握特征点法（ORB-SLAM）与直接法（LSD-SLAM、DSO）两类主流框架的原理与实现，掌握多视图几何、非线性优化、李群李代数等核心数学工具，具备从零搭建完整视觉SLAM系统的能力，能够独立解决实际场景中的跟踪丢失、闭环检测、尺度恢复等工程问题。

•  

• 培训内容：

• 
  （1）视觉SLAM概述与开发环境搭建：了解SLAM的定义、发展历程及其在机器人导航、自动驾驶、AR/VR领域的核心价值。掌握视觉SLAM的整体框架与模块划分（前端视觉里程计、后端优化、回环检测、建图）。搭建Linux（Ubuntu）开发环境，熟悉CMake构建系统，安装Eigen、OpenCV、PCL、Ceres、g2o、DBoW3等核心依赖库。

  （2）三维空间刚体运动与李群李代数：掌握三维空间刚体运动的数学表达形式：旋转矩阵、旋转向量、欧拉角、四元数的定义、性质与相互转换关系。理解李群（SO(3)、SE(3)）与李代数（so(3)、se(3)）的基本概念，掌握指数映射与对数映射，学习BCH近似公式及其在SLAM优化中的应用。

  （3）相机模型与多视图几何：深入理解针孔相机模型的成像原理，掌握内参矩阵、畸变模型（径向畸变、切向畸变）及其标定方法。学习双目相机与RGB-D相机的深度测量原理。掌握对极几何约束，理解本质矩阵、基础矩阵与单应矩阵的推导与求解方法。

  （4）非线性优化与图优化框架：理解SLAM后端优化的核心思想，掌握非线性最小二乘问题的求解方法：高斯-牛顿法、列文伯格-马夸尔特法。学习图优化（Graph Optimization）的基本概念（节点、边、信息矩阵），掌握使用g2o和Ceres等非线性优化库构建和求解SLAM问题的流程。

  （5）特征点法视觉里程计：掌握基于特征点的视觉里程计完整流程。学习ORB特征提取与匹配算法原理，理解特征匹配的误匹配剔除策略。掌握2D-2D位姿估计（对极几何）、3D-2D位姿估计（PnP求解、EPnP、直接线性变换）、3D-3D位姿估计（ICP算法）的实现方法。学习三角化测量原理，实现特征点的深度估计。

  （6）直接法与光流法视觉里程计：理解直接法的核心思想（最小化光度误差）及其与特征点法的本质区别。掌握LK光流法的原理与应用，实现基于稀疏光流的特征点跟踪。学习直接法的不同形式：稀疏直接法、半稠密直接法、稠密直接法，理解其在纹理缺失场景下的优势与局限性。

  （7）后端优化与光束法平差：深入理解光束法平差（Bundle Adjustment）的数学模型与求解方法。掌握BA的图优化表示，理解稀疏矩阵结构与边缘化（Marginalization）技术。学习位姿图优化（Pose Graph Optimization）的原理，掌握基于关键帧的后端优化策略。

  （8）回环检测与重定位：理解回环检测在SLAM系统中的关键作用。掌握基于外观的回环检测方法，学习词袋模型（Bag-of-Words）的原理与DBoW库的使用。学习相似度计算与闭环验证方法（时间一致性验证、几何一致性验证）。掌握重定位技术，实现跟踪丢失后的快速恢复。

  （9）地图构建与稠密重建：掌握不同类型地图的构建方法与应用场景。学习稀疏点云地图的构建与优化，理解单目SLAM的尺度不确定性处理。掌握基于深度滤波器的稠密重建方法，学习极线搜索与块匹配技术。了解八叉树地图（OctoMap）、TSDF地图在导航与重建中的应用。

  （10）经典视觉SLAM系统解析：深入解析主流视觉SLAM系统的架构与实现。学习ORB-SLAM系列的完整系统设计（跟踪线程、局部建图线程、回环检测线程）。了解LSD-SLAM的半稠密直接法实现，对比分析DSO（直接稀疏里程计）的优化策略。学习VINS-Mono等视觉-惯性融合系统的设计思想。

  （11）多传感器融合与SLAM：理解IMU与视觉融合的必要性与技术挑战。掌握IMU预积分技术的原理与数学推导，学习视觉-惯性紧耦合融合框架。了解视觉与轮速计、GPS融合的组合导航系统设计。学习多传感器时空同步标定的基本原理。

  （12）综合项目实战：完整视觉SLAM系统构建：结合所学知识，完成一个完整的视觉SLAM项目（如基于ORB-SLAM的室内定位系统、无人机视觉导航系统、AR场景重建平台）。涵盖传感器数据采集（单目/双目/RGB-D）、前端位姿估计、后端图优化、回环检测、地图构建的全流程，形成规范的视觉SLAM项目报告。