视觉SLAM进阶：从零开始手写VIO（16学时）

为什么要开这门课程？

截止目前，全国100多家AR、移动机器人、无人车企业招募SLAM人才。视觉SLAM，凭借着传感器成本低、信息丰富等优势，成为企业竞相突破的热点技术，相关人才需求迅速增加。但视觉SLAMer大都处于入门或者初级阶段，仍无法满足企业的需求条件，开设进阶版课程迫在眉睫。

单纯的视觉SLAM技术，在企业实际产品落地时受限，往往需要与其他传感器配合，组成多传感器融合的方案。视觉惯性里程计VIO，就是其中极具代表性的，并且市面上并没有系统性的学习教程。这就是为什么，我们选择VIO作为进阶版课程的核心内容。

为什么选择 VIO 作为进阶课程？

1. 应用范围广。仅视觉的 SLAM 使用环境有限，实际应用中往往需要和其他传感器配合使用，IMU 传感器相比激光、轮速计、GPS等传感器更加通用，应用领域也更加广泛。相比于激光雷达、轮速计，VIO 除了一样能被使用在无人车、机器人等领域，还能应用于手机AR、VR等领域；

2. 知识面多，难于自学。 VIO 公式繁多复杂，初学者入门时间长且不容易掌握，通过这门课程，能少走弯路，掌握每个公式的推导，再去学其他传感器融合就容易了；

3. 资料丰富，公共数据集也多，开源代码丰富，如 OKVIS，MSCKF，VINS-MONO，ROVIO 等等。

为什么把手写后端作为重点？

1. 以往后端作为一个黑盒子，调用开源库如 ceres、g2o 等，对于初学者快速上手确实非常方便。但是我们通常不知道系统内发生了什么，出了问题也不知道如何下手。更重要的是对一些计算能力有限的平台，我们甚至都无法知道如何对后端优化进一步加速；

2. 对后端庖丁解牛，你就能看到后端求解矩阵是如何构建的，我们如何对他进一步加速，鲁棒核函数怎么实现的等等一系列问题。另外，学习了后端，你会发现 VINS-mono 后端可能有问题，DSO 代码竟然不再难读，它会打通你 SLAM 的任督二脉。

课程大纲

学习时长：8周（16学时）每周大约学习8小时

第1章: 概述与课程介绍

• 第1节: 课程内容提要
• 第2节: VIO算法的分类
• 第3节: 数学基础知识回顾

第2章: IMU传感器

• 第1节: IMU测量模型及运动模型
• 第2节: IMU数据的仿真

第3章: 基于优化的 IMU 与视觉信息融合

• 第1节: 误差函数的构建
• 第2节: 误差Jacobian推导
• 第3节: 非线性最小二乘求解

第4章: 滑动窗口算法理论与实践

• 第1节: 信息矩阵与协⽅差矩阵的物理含义
• 第2节: 边缘化操作与条件概率
• 第3节: 滑动窗口算法与FEJ算法
• 第4节: 实现⼀个后端的框架

第5章: 滑动窗口算法实践：逐行手写求解器

• 第1节: 滑动窗口算法流程
• 第2节: 知彼：基于ceres的marg代码（VINS mono）
• 第3节: 知己：手写仅依赖Eigen的滑动窗口代码

第6章: 视觉前端

• 第1节: 前端特征的提取与匹配
• 第2节: 相机姿态估计
• 第3节: 前端代码实现

第7章: VINS系统构建

• 第1节: VINS初始化
• 第2节: VINS系统的构建及算法流程
• 第3节: 课程知识回顾与展望

第8章: 课程答疑

• 第1节: 多传感器融合展望与资料推荐
• 第2节: 课程答疑

这门课程适合谁

1  视觉SLAM初级算法工程师或者已入门的研究者，希望进一步学习多传感器融合原理这一主流方案

2  渴求掌握算法自身原理，不满足于调库或者调参的SLAM算法工程师

3  致力于创新性的设计或者原创SLAM系统的研究者

学完本门课程，你将能达到工作一年到两年的初级vSLAM算法工程师水平

说明：学习本门课程需要有一定的视觉SLAM基础。

8周时间，你将学到哪些方法和技能

1 学习过程中一步一步推导公式，打下扎实的数学基础 

2 通过学习视觉和IMU的信息融合，掌握基于图优化的多传感器信息融合框架

3 通过手写后端优化器，理清SLAM后端的每个细节，加深对优化的理解，为以后工作中移植、加速或改进自有的 SLAM 系统提供技术支持。

视觉SLAM进阶，这门课是你的不二之选

理由一：课程打磨用心、独具特色

• 全网首门VIO系统课程
• 详细推导VIO预积分公式
• 系统讲解Visual与IMU的多传感器信息融合
• 手写只基于Eigen的优化器，而不借助Ceres和g2o
• 提供课程配套全部代码
• 极具代表性的优质论文推荐

理由二：贺一家&高翔主讲，数年SLAM学习&研究经验倾情奉献

贺一家：

中科院自动化所博士，“白巧克力亦唯心”博主，研究方向包括视觉 SLAM、多传感器信息融合。CSDN 博客专家（累计访问 114万），发表SCI 和 EI 论文数篇。

高翔：

慕尼黑工业大学博士后，清华大学自动化系博士，长期从事SLAM（simultaneous localization and mapping，即时定位与地图构建）的研究，主要包括机器人的中的视觉SLAM技术、机器学习与SLAM的结合。主编畅销书《视觉SLAM十四讲：从理论到实践》，在国际知名期刊IEEE Transactions on Mechatronics、Robotics and Autonomous Systems、Autonomous Robots等发表论文数篇。

理由三： 也许你就是本门课程优秀学员、企业奖学金的获得者

• 课程结束后评选优秀学员，颁发优秀学员证书，并协助生成作业集（可以作为加分项，放心大胆地放在简历里哦）
• 所有报名本门课程的学员均有资格参与企业奖学金的评选，努力认真的孩纸就是要大力鼓励！

上课流程说明（流程可参考官网详情页）

由报名成功后班主任邀请进入微信学习群——参加课程开学仪式——正式开始课程学习阶段——每周解锁一章课程、完成作业巩固所学知识——班主任带班 助教1V1批改作业、答疑解惑——每周助教老师点评作业——完成课程——参加结课仪式，颁发优秀学员证书

先行一步，开始学习之旅

这门课程价格为什么是899？

课程主讲老师贺一家博士以及高翔博士长期从事SLAM领域的研究，更难能可贵的在知识分享和讲解方面深入浅出、独具经验；

此外，本门课程在国内属首次开设，课程研发团队磨课时间之长、迭代次数之多都创造了学院的记录；

最后，不懂底层原理的工程师在就业市场上是没有竞争力的，VIO目前已经成为vSLAM工程师的必备技能，会一个VIO可能就决定了大家一年后日薪级别是1000还是2000。跟学完课程以后大家有可能拿到的大厂offer或者工作中取得的进步来说，报课的钱真的不算什么。

学习形式和学习周期是什么样的？

为了保证学习效果，本门课程采取录播的形式，每周解锁一章。。

本门课程将于2020年7月3日正式开课，学习周期为两个月，请大家每周留出至少6个小时的时间用来学习、做作业。

P.S.付款成功后，添加微信 autobit101 加入学习交流群。