刚看完《视觉SLAM十四讲》，下一步该硬扛哪个SLAM框架？

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

前言

最近因为疫情在家办公，连续直播了好几次，直播间很多刚入门的小伙伴问的最多的问题，我列举了一下：

学完十四讲，下一步怎么办？
一直停留在理论层面，不知道怎么开始实战
刚入门，基础不好，推荐哪些视觉SLAM框架？
想找一个SLAM开源框架，方便二次开发的那种，主播有什么推荐吗？
看了一些论文，有些思路，但是自己实现有些困难，怎么办？
有哪些适合初学者的学习路径？
……

这些问题是刚刚踏进视觉SLAM门槛的小伙伴最常见的问题，我当初也有类似的困惑，我推荐的学习路径是：

学习语言基础，《C++ Primer》必看，最好代码跟着敲一遍。如果想要精进，可以看看哔哩哔哩上黑马程序员的C++免费课程，质量很不错。
学习《视觉SLAM十四讲》，书上的原理要看懂，代码要自己编译运行调试。如有余力，建议学一学OpenCV编程、《数字图像处理》。
挑一个开源框架学透它。这个开源框架最好满足如下条件：功能全面、研究的人比较多、可扩展性强、方便二次开发、代码规范、难度适中、最好持续更新中。能够满足这个条件的开源框架基本就只有ORB-SLAM2了，该代码的作者团队还在持续更新，一年多前开源了ORB-SLAM3，至今仍然在不断的更新和打补丁，预计后续还会有ORB-SLAM4。
基于ORB-SLAM2代码去做移植，实地测试，改进遇到的问题。或者在ORB-SLAM2基础上增加稠密建图、语义地图、动态场景等等，都是很好的思路，毕竟借助现有框架二次开发是比较高效的。事实上，发表在ICRA, IROS等很多顶会的工作都是基于ORB-SLAM2框架的延伸。

正是基于上述第3点，我选择了ORB-SLAM2作为计算机视觉life平台的第一门课程，至今已有1700+名学员，课程也在不断的完善和更新。

第4期《视觉SLAM必学基础：ORB-SLAM2源码解析：从理论到实战》开始预售！4月22日正式开课！

课程中不仅讲述了源码中涉及到的所有视觉SLAM理论知识，而且讲师中文详细注释源码并逐行讲解，学员学完可以直接上手做项目。理论与实战并重，并且针对每章提供对应的作业和考试，并根据学习情况每月有机会获得100元学习基金，根据周作业、大作业、课程完成度等数据，评选最终的课程优秀学员，全额退还课程费用+发放优秀学员证书+至少1次内推机会！

ORB-SLAM2第4期预售，开课前立减100元，扫描学习↓

购买课程后添加此微信进答疑群，如果对课程有疑问，也可加下面微信咨询↓

什么是视觉SLAM？

先说说SLAM的定义。SLAM是指某种移动设备（如机器人、无人机、手机、汽车、智能穿戴设备等）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（如相机、激光雷达、 IMU等）观测定位自身位置和姿态，再根据自身位姿进行增量式的地图构建，从而达到同时定位和地图构建的目的。

如果SLAM过程使用的主要是视觉相关的传感器（如单目、双目、RGB-D、鱼眼、全景相机），一般称之为视觉SLAM。目前最知名的、效果最好的视觉SLAM是ORB-SLAM2/3系列。

ORB-SLAM2/3简介

2015年，西班牙萨拉戈萨大学机器人感知与实时研究组开源了ORB-SLAM第一个版本，由于其出色的效果受到广泛关注。该团队分别在2016年和2020年开源了第二个版本ORB-SLAM2和第三个版本ORB-SLAM3。

其中ORB-SLAM2是业内最知名、应用最广泛的开源代码。它有如下优点：

支持单目，双目和RGB-D相机的完整开源SLAM方案，能够实现地图重用、回环检测和重新定位的功能。
支持轻量级定位模式，可以达到零漂移，此时不使用局部建图和回环检测的线程，可以用视觉里程计来跟踪未建图区域。
采用ORB特征，具有旋转不变性、光照不变性、尺度不变性，匹配速度快，适合实时应用。无论是在室内的小型手持设备，还是到工厂环境的无人机和城市里驾驶的汽车，ORB-SLAM2都能够在CPU上进行实时工作。
跟踪、局部地图、闭环、重定位等所有的任务都采用相同的ORB特征，使得系统内数据交互更高效、稳定可靠。
单目初始化和应用场景解耦，不管是平面还是非平面场景，都可以自动初始化，无需人工干预。
地图点和关键帧创建比较宽松，但后续会进行严格筛选，剔除冗余关键帧和误差大的地图点，增加建图过程的弹性，在大旋转、快速运动、纹理不足等恶劣情况下可以提高跟踪的鲁棒性。
采用共视图，使得跟踪和建图控制在局部共视区域，与全局地图大小无关，可以在大场景下运行。
使用本质图（Essential Graph）来优化位姿实现回环检测，耗时少精度高。
相比于直接法，可以用于宽基线特征匹配，更适合于对深度精度要求较高的场景，比如三维重建。
定位精度高，可达厘米级，是特征点法SLAM的经典代表作品。
代码可读性强，包含很多工程化技巧，非常实用。

下面是ORB-SLAM2的算法框架

ORB-SLAM2/3效果展示

ORB-SLAM2 在汽车上应用

ORB-SLAM2 手持设备上的定位

ORB-SLAM2 用于室内三维重建

ORB-SLAM3在上个版本基础上，增加了视觉惯性里程计、多地图融合、适配鱼眼相机等功能，精度碾压同类型算法（见下图），功能强大到让SLAM算法研究者感慨“把自己想做的都做了”

看 ORB-SLAM3 疯狂绕圈，稳的很！

甚至滑滑梯从黑管子中穿过！

课程大纲

招生时间：

为了保证课程学习质量，本期招生限200名学员，招满即止；

招生日期：2022/4/2-2022/7/31；

开课日期：2022/4/22

总共11周，约100个教学视频！每周都有精心设计的对应章节的作业考试！定期公布成绩榜单！

课程安排可参考学习规划表（群内通知）~

为什么需要学习本课程？

ORB-SLAM2是视觉SLAM中特征点法的开源代表作，是学习SLAM必学的第一个开源算法。同时支持单目、双目、RGBD相机，涵盖视觉SLAM领域核心算法，包括地图初始化、实时跟踪、局部建图、回环检测、BA优化，工程技巧等。本课程帮助学员系统掌握整个SLAM知识体系，迅速入门和提升。
企业对视觉SLAM从业者的要求越来越高，只有深入理解视觉SLAM原理与源码实现，具备工程实践经验，举一反三，才具有核心竞争力。
ORB-SLAM2源码庞大，涉及大量的SLAM理论，内部逻辑复杂，自学入门难度大，通过课程学习，结合详细代码注释和独家示意图，可以快速掌握代码细节和底层技术原理，帮助学员节省大量入门时间，踏实掌握SLAM工程经验。
是学习进阶算法ORB-SLAM3的必备基础。

学完课程可以收获什么？

本课程延续我们一贯的学以致用风格，带领学员从零开始编译、运行、学习源码，并讲解算法落地的工程实践技巧，代码改进方向等，快速上手做项目。
学完课程，可以掌握：地图初始化、跟踪、局部建图、闭环检测、BA优化等原理及底层代码，吃透ORB-SLAM2核心算法；掌握视觉SLAM中重难点：特征均匀化、共视图、关键帧、Spanning tree、Essential graph、local/global BA、EPnP、BoW、Sim3等，具备扎实的VSLAM理论实践基础；掌握CMake、多线程、编程调试、代码改进、量化结果评价等项目实战经验，具备项目研发能力、举一反三能力。
理论与实践并重，理解原理如何在代码中具体实现，掌握代码中的工程实践技巧，在实际应用场景中改进提升。具备改进思路、项目实战经验与工程研发能力。
学完本门课程，学员可以达到工作1年的视觉SLAM算法工程师水平。

课程适合人群及基础要求

适合人群：想要快速入门的高年级本科生、硕士、博士研究生等，有项目需求需要快速拥有实战经验的工程师。希望能够快速上手并学以致用的从业者。自学能力差、需要有人督促带动一起学习的朋友。
应用领域：自动驾驶、增强/混合现实、机器人、无人机等。
要求基础：理工科专业，有一定的C/C++编程基础，正在或已经阅读《视觉SLAM十四讲》
运行环境：Ubuntu 16.04/18.04/20.04 均可，推荐Ubuntu 18.04
硬件要求：普通台式机/笔记本电脑均可，无需GPU。课程使用公开数据集，不需要机器人、相机传感器等其他硬件