视觉SLAM图文视频答疑学习路线全规划，SLAMer必看！
快速获得最新干货
大家好，今天给大家推荐我朋友的「从零开始学习SLAM」知识星球，现在加入立减30元，优惠有效期2天半，到10月31日晚上23点截止，名额有限，先到先得。
星球里包含三维视觉、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~
以下是正文~
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
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：
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
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
面试经验：SLAM常见面试题目及答案解析、SLAM笔试题目及答案、
参考资料：电子书、实用手册、SLAM最新论文、开源代码介绍
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
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
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。