【深蓝学院】视觉SLAM理论与实践 - 带源码课件

视觉SLAM是机器人、自动驾驶、AR/VR 方向里门槛比较硬的一块，很多人卡在"看得懂公式、写不出代码"这一步。这套资料解决的正是这个断层：它把三维空间刚体运动、相机模型、非线性优化、特征点法视觉里程计、后端优化、回环检测这几块串成一条线，并且配了源码。如果你之前看过一些博客和论文，但一到自己搭系统就不知道从哪下手，这份资料值得花时间。

适合什么基础，不适合什么基础

它不适合零编程基础的人。至少你要能读懂 C++，知道类、模板、指针是怎么回事，否则源码部分基本看不动。数学上需要线性代数（矩阵运算、特征值）、微积分和一点概率基础，李群李代数这块课程会讲，但前提是你对矩阵推导不排斥。如果你只是想做视觉识别、调检测模型，这门课方向不对，它更偏几何和状态估计。反过来说，如果你在做机器人定位、无人机、扫地机或者自动驾驶感知定位相关工作，需要理解一个完整SLAM系统内部各模块怎么衔接，这份资料的匹配度就比较高。

建议的观看顺序和重点

预备知识和三维空间刚体运动这两讲不要跳过，很多人后面听得吃力，问题就出在对旋转矩阵、四元数、李代数求导不熟。相机模型与非线性优化是分水岭，针孔模型、畸变、BA 的推导要跟着手推一遍，光看视频没用。特征点法视觉里程计是第一个能跑起来的完整模块，建议对照源码把特征提取、匹配、对极几何、PnP 这条链路走通。后端优化和回环检测篇幅重，可以第一遍先理解框架和优化目标，第二遍再抠源码细节。回环检测部分重点看词袋模型和相似度计算，这是消除累积误差的关键。

学完能独立做什么，资料怎么用

认真跟完并动手改过代码，你应该能独立完成这些事：用公开数据集跑通一个视觉里程计，读懂并修改其中的优化部分；自己实现相机标定和位姿估计；理解一个完整SLAM系统的数据流，知道误差从哪里来、在哪个模块被消掉。这不足以让你直接写出一个工业级SLAM系统，但足以让你看懂开源框架的代码结构，具备继续深入的基础。

使用上给两个建议。一是源码不要只跑通就完事，每讲结束后试着改一个参数或换一种实现，观察结果变化，这比重复看视频有效。二是准备一个自己的笔记，把每讲的公式推导和对应代码位置记在一起，后端优化那几讲内容密度大，不记很容易断线。整套资料信息量不小，按每周两讲、配合动手的节奏推进，比集中刷完更稳。