Disclaimer：个人理解，可能有误，欢迎指正
主要参考资料：《视觉 SLAM 十四讲: 从理论到实践》 高翔, 张涛
外，内推 momenta SLAM 相关工作，简历发邮箱 zhixiong @ momenta.ai
SLAM（Simultaneous localization and mapping，同步定位和制图）是无人驾驶里最核心的技术之一，指的是无人车如何通过传感器（主要是相机、激光器、惯性导航和 GNSS）确定自己的位置以及自己周围的环境。其输入是一个序列的传感器数据，输出是一个序列的汽车位姿和周围的 landmarks。
无人车就是一个机器人，SLAM 在机器人领域一直很重要。相对而言，汽车的（机械）控制系统/运动系统已经很成熟，路径规划好后的事情难度并不大，更凸显了 SLAM 的重要性。（SLAM 是无人驾驶的瓶颈，如果做得好，那就是优势）
做 SLAM，需要较高的数学和编程基础，前者包括但不限于线性代数（各种坐标系转化，投影变换，各种矩阵分解）、李群李代数（方便求导，把位姿优化问题转化为无约束的线性问题）；后者需要掌握较为复杂的 C++ 编码能力，难点在于如何用 g2o 模板做优化（我还是一只弱鸡）。
这是最近的读书笔记，会持续更新过来：（iPad 是个好东西）
1
image
2
image
3
image
4
image
5
image
6
image
7
image
8
image
9
image
10
image
11
image
12
image
13
image.png
14
image
15
image
16
image
17
image
18
image
19
image
20
image
21
image
22
image
23
image
24
image
25
image
26
image
27
image.png
28
image
29
image
30
image
31
image
32
image
33
image
34
image
35
image
36
image
37
image
38
image
39
image
40
image
41
image
42
image
43
image
44
image
45
image
自己看了一遍，发现一些笔误之类的东西，比如 OEM 最后的 M 是 Manufacturer，写错了。我觉得我得弄一个工作流来把 GoodNotes 里的笔记导出发布到自己博客上的工具。
