基于LOAM框架的3D激光SLAM: 源码剖析到算法优化视频教程

深入剖析激光SLAM的关键算法与实现

理论文

第一章：激光SLAM简介

1. 激光SLAM概述

(1) 激光SLAM应用现况与行业发展

a. 无人驾驶方向

b. 机器人方向

c. AR/VR方向

(2) 激光SLAM技术框架

a. 激光SLAM技术架构

b. 激光SLAM关键技术模块

(3) 激光SLAM特点

a. 激光SLAM的特点

b. 激光SLAM与视觉SLAM比较

2. 课程应用环境介绍

(1) ROS系统介绍

a. ROS系统及主要概念

b. ROS中常用的工具指令

(2) 激光SLAM中的应用

a. KITTI数据集介绍

b. KITTI数据的使用与格式指令

(3) LOAM的激光SLAM算法介绍

a. LOAM

b. LEGO-LOAM

c. A-LOAM

3. 搭建一整套激光SLAM程序

第二章：激光SLAM前端里程计

1. 里程计原理介绍

(1) 轮式里程计原理

a. 轮式里程计原理

b. IMU里程计原理

(2) SLAM中常见的坐标系变换

a. 欧式变换的数学表示

b. 李代数与李群表示

(3) 点云配准算法介绍

a. ICP方法

b. NDT方法

c. PL-ICP方法

d. 梯度下降法

e. 高斯-牛顿法

f. Levenberg-Marquardt方法

2. 激光里程计算法实例分析

(1) 点云运动畸变校正与效果比对(ICP && NDT)

a. 基于自车速数据做畸变校正功能

b. 基于NDT配准方法做畸变校正功能

第三章：激光SLAM后端优化

1. 后端优化方法知识

(1) 卡尔曼滤波与图优化方法的比较

a. 卡尔曼滤波原理

b. 卡尔曼滤波在SLAM中的应用介绍

(2) 基于图优化方法

a. 基于特性的图优化方法

b. 基于特性的图优化方法与使用

c. gtsam的基本使用

d. ceres的基本使用

e. 不同位姿图优化模块比较

(3) 作业

2. 后端优化代码分析

(1) 基于图优化的SLAM方法代码讲解

a. scan context描述子讲解

b. sc-lego-loam代码讲解

(2) 方法实践与结果评估

(3) 作业

第四章：激光SLAM建图与定位实战

1. 基于KITTI数据集的SLAM算法测试与评估

(1) KITTI数据集的介绍与地图结果的拼接

a. 常见式的云台开发实践

b. 构建从数据集到保存与实践

(2) 激光SLAM算法评估方法

a. 几种开源框架结果评估方法

b. Evo工具评枯工具使用演示

(3) 作业

2. 基于已有地图的定位实践

(1) 有GPS场景的定位实践

(2) 试验场景：城市公开道路场景反向约10km

(3) 测试目标：定位与建图精度优于20cm

第五章：激光SLAM算法优化实践

1. 前端里程计改进实践

(1) Lidar-IMU里程计结合方法讲解

a. imu的松耦合

b. imu的紧密

c. imu与lidar融合里程计代码讲解

(2) 方法实践与结果评估

(3) 作业

a. 修改方法形成功能集成就已有的SLAM模块

2. 后端优化改进实践

(1) 融合GPS因子图优化方法讲解

a. 因子图介绍

b. 添加GPS因子的后端优化方法

(2) 方法实践与结果评估

(3) 作业

a. 修改方法形成功能集成就已有的SLAM模块

3. 回环优化实践

(1) 融合点特征的回环检测方法讲解

a. scan context描述子讲解

b. sc-lego-loam代码讲解

(2) 方法实践与结果评估

(3) 作业

a. 修改方法形成功能集成就已有的SLAM模块

第六章：大作业

1. 构建自己的激光SLAM模块并测试数据

(1) 试验场景：城市公开道路场景反向约10km

(2) 测试目标：定位与建图精度优于20cm