重磅！（第二期）彻底搞懂基于LOAM框架的3D激光SLAM：源码剖析到算法优化

工坊 3D视觉工坊 2022-03-26 16:00

什么是SLAM？SLAM(Simultaneous Localization And Mapping)又称同步定位与地图构建，该技术应用在诸多热门领域，如自动驾驶，服务型机器人，AR/VR中。这些领域无一不是未来极具前景的领域，薪资颇丰且岗位需求量大。以目前关注度最高的自动驾驶领域为例，在近几年一些互联网大厂如百度，华为，小米纷纷投身其中，一些新能源车厂如蔚来，理想，小鹏也开启了自研模式。在2022年传统汽车巨头如上汽，吉利，长城也开始加入赛道。这就造成了该领域资本雄厚且薪资客观。SLAM技术作为自动驾驶领域中的核心模块（定位与建图）的核心技术，前景和薪资空间自然不言而喻。以下是某招聘网站上相关职位的要求和待遇：

对于SLAM技术方案，根据传感器不同常分为视觉SLAM方案和激光SLAM方案。相比于视觉传感器，激光传感器具备精度高，不易受环境干扰的特征，其衍生的地图定位算法更容易实践落地，因此各种激光SLAM算法也在不断被发展优化与改进。从早期的经典SLAM框架，cartographer，LOAM，Lego-LOAM 在到近期的采用融合优化的LIO-SAM，LVI-SAM。其中LOAM框架为经典的3D激光SLAM框架，后续一些开源算法也是在此基础上进行优化改进（Lego-LOAM,A-LOAM,VLOAM，lio-sam，lio-mapping，fast-lio），其在实际工程领域也应用较广。

如何学习？激光SLAM入门门槛较高，对学习者的数学，编程能力要求比较严格。虽然目前网络上有大量的开源框架，但其算法代码中常常涉及到许多经验方面的知识，需要长期积累才能掌握。因此找一位具有实际工程经验的讲师，上一次从理论到实践的系统课程是快速入门和掌握激光SLAM的有效途径。主讲老师为自动驾驶独角兽公司高精地图算法工程师，有丰富的激光SLAM算法理论和工程实践经验。同时讲师在3D视觉工坊已经开始完毕了一期激光SLAM学习课程，结合第一期课程中学员普遍遇到的问题，总结了教学经验。在第一期课程的基础上细化且深化了理论知识的讲解，且专门增加了实践篇，加深所学的理论知识，并结合实际工作中遇到的问题增加了算法优化章节。无论是从理论上还是实践上，都能让学员获得收获和提升，课程大纲如下:

讲师介绍飞仔，毕业于同济大学，在自动驾驶领域中的独角兽公司工作多年，对于自动驾驶及高精地图构建有丰富的工作实践经验。面向对象

1. 具备线性代数、概率论和优化理论等基础数学知识；

2. 掌握C++编程语言，熟悉ROS机器人操作系统的使用；

3. SLAM相关研究方向的在校生，需要进阶的一线算法和工程人员，以及非常想要转入SLAM领域的从业者；

课程亮点
1. 以实际项目经验与工程问题为出发点，传授理论和实践知识；2. 课程既服务于在校的从事相关研究的同学，又服务于工作中的相关从业者；3. 课程内容多，每次课后都有实践作业，且导师会专门开设答疑课讲解课上问题和作业；4. 工业级的实战项目与经验分享；学后收获1. 通过课程的学习，可以对激光SLAM各个模块的算法理论、整体框架以及实际应用有深入了解；2. 对于经典的3D激光SLAM方法，有源码角度的理解，并能够自行完成算法的优化；3. 可以将自己所学的理论实践应用到科研和工作中，构建出自己的一套激光SLAM工程；课程时间安排