README.md

By 三次方（三次方•目前国内最大的泛AR/VR学习在线教育平台）

添加微信入群：AIRX001

微信公众号：三次方AIRX

高质量强干货AR／VR知识社群，限量加入

导语

毫无疑问，SLAM是当前最酷炫的技术.在这里，我给大家分享一些在学习SLAM的过程中的一些资料与方法（不断更新中...）

目录

• 入门

• 基础

• 进阶

• 优秀文章

• 技术博客

• 网站与研究组织

• 书籍与资料

• SLAM 方案

• 优秀案例

入门

视觉SLAM的基础知识-高翔(高翔博士)-----视频，吐血推荐

关于slam

SLAM简介

SLAM第一篇：基础知识

SLAM_介绍以及浅析

SLAM的前世今生 终于有人说清楚了(张一茗)

SLAM for Dummies（一本关于实时定位及绘图（SLAM）的入门指导教程） 提取码：k3r3

STATE ESTIMATION FOR ROBOTICS (吐血推荐) 提取码：y7tc

基础

数学基础

• 计算机视觉中的数学方法 提取码：afyg ----本书着重介绍射影几何学及其在视觉中的应用

• 视觉SLAM中的数学基础 第一篇----3D空间的位置表示

• 视觉SLAM中的数学基础 第二篇----四元数

• 视觉SLAM中的数学基础 第三篇----李群与李代数

• 李群和李代数 提取码：92x2

语言编程基础

• 菜鸟教程----学习C++与python基础语法

• python计算机视觉编程 提取码：kyt9

• OpenCV3编程入门_毛星云编著----C++实现 提取码：qnms

计算机视觉基础

• 计算机视觉算法与应用中文版 提取码：b8y1

• 特征提取与图像处理 提取码：hgy2

• 机器视觉算法与应用 提取码：hxgn

泡泡机器人SLAM 优质视频课程----视觉slam十四讲

• 视觉slam十四讲1-2 引言与概述

• 视觉SLAM十四讲（第三章）

• 视觉slam第4章

• 视觉SLAM十四讲-第五章-相机与图像

• 视觉SLAM十四讲-第六章-非线性优化

• 视觉SLAM十四讲-第七章-视觉里程计一

Python + SLAM

• 用python学习slam系列（一）从图像到点云

• 用python学习slam系列（二）特征提取与配准

进阶

一步步实现SLAM系列教程

• 一步步实现slam1-项目框架搭建

• 一步步实现slam2-orb特征检测

• 一步步实现slam3-初始位置估计1

• 一步步实现slam3-初始位置估计2

SLAM最终话：视觉里程计(高翔博士)

双目视觉里程计(谢晓佳-视频)

视觉SLAM中的矩阵李群基础(王京-视频)

路径规划(王超群-视频)

优化与求解(刘毅-视频)

直接法的原理与实现(高翔-视频)

Course on SLAM 提取码：i94s

LM算法计算单应矩阵

激光SLAM(王龙军)

我们如何定位SLAM？——关于技术创新、产品开发和管理的经验和教训

语义SLAM的未来与思考(1)

语义SLAM的未来与思考(2)

优秀文章

泡泡机器人SLAM优秀技术文章

• SLAM: 现在，未来和鲁棒年代（一）

• SLAM: 现在，未来和鲁棒年代（二）

• SLAM: 现在，未来和鲁棒年代（三）

• SLAM: 现在，未来和鲁棒年代（四）

• SLAM: 现在，未来和鲁棒年代（五）

SLAM刚刚开始的未来(张哲)

2D Slam与3D SLam 的区别到底在哪里

研究SLAM，对编程的要求有多高？

SLAM在VR/AR领域重要吗？

单目SLAM在移动端应用的实现难点有哪些？

机器人的双眸：视觉SLAM是如何实现的？

牛逼哄哄的SLAM技术 即将颠覆哪些领域？

技术博客

半闲居士----高翔博士的SLAM博客（力推）

• SLAM拾萃(1)：octomap

• 视觉SLAM漫谈（二）:图优化理论与g2o的使用

白巧克力亦唯心

• graph slam tutorial : 从推导到应用1

• graph slam tutorial ：从推导到应用２

冯兵

• 视觉里程计简介

• 视觉里程计总介绍

hitcm

• ROS实时采集Android的图像和IMU数据

• 基于点线特征的Kinect2实时环境重建（Tracking and Mapping）

何必浓墨重彩

• SLAM代码（优化及常用库）

• SLAM代码（多视几何基础)

• SLAM代码（三维重建）

• SLAM代码（设计模式）

• SLAM代码（设计模式2）

路游侠

• AR中的SLAM

• SVO原理解析

电脑线圈

wishchin

网站与研究组织

泡泡机器人----泡泡机器人是中国SLAM研究爱好者自发组成的团体，在自愿条件下分享SLAM相关知识，为推动国内SLAM研究做出一点小小的贡献。

ROSClub机器人俱乐部----这是一个完美的ROS机器人开发交流社区平台，在这里你可以找到你所要的！

SLAMCN-----SLAM精选国内外学习资源

openslam.org--A good collection of open source code and explanations of SLAM.(推荐)

易科机器人实验室

电子发烧友--SLAM

电子工程世界--SLAM

Jianxiong Xiao (Professor X)---从事cv dl与slam相结合的多项研究.

Robot Mapping

Chuck Palumbo----需要翻墙

Alexander Grau's blog----博客里有很多关于机器人, SLAM, 传感器等技术

Andrew Davison: Research

Autonome and Perceptive Systemen---research page at University of Groningen about visual SLAM.

SLAM Tutorial@ICRA 2016

SLAM Summer School----https://github.com/kanster/awesome-slam#courses-lectures-and-workshops

autoloc

书籍与资料

工业机器人视觉系统组成及介绍(fu78)

深度学习（zyn2）

svo_lsd(uyce)

MEMS IMU的入门与应用 - 胡佳兴(vt6m)

双目视觉里程计(27jk)

高精度实时视觉定位的关键技术研究(yrct)

ORB-SLAM2源码详解(su4r)

ORB-SLAM2源码详解-补充H矩阵分解(vjik)

激光slam(9dqd)

图像特征的非刚性匹配(w85h)

orb-slam7.1简单重构泡泡(b7fx)

英文版（有些需翻墙）

• Current trends in SLAM---关于DTAM,PTAM,SLAM++等系统的对比

• The scaling problem----针对SLAM计算量过大的问题进行讲解

• slamtute1--The Essential Algorithms

• A random-finite-set approach to Bayesian SLAM

• On the Representation and Estimation of Spatial Uncertainty

• Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age(2016)

• Direct Sparse Odometry

• Modelling Uncertainty in Deep Learning for Camera Relocalization

• Tree-connectivity: Evaluating the graphical structure of SLAM

• Multi-Level Mapping: Real-time Dense Monocular SLAM

• State Estimation for Robotic -- A Matrix Lie Group Approach

• Probabilistic Robotics----Dieter Fox, Sebastian Thrun, and Wolfram Burgard, 2005

• Simultaneous Localization and Mapping for Mobile Robots: Introduction and Methods

• An Invitation to 3-D Vision -- from Images to Geometric Models----Yi Ma, Stefano Soatto, Jana Kosecka and Shankar S. Sastry, 2005

SLAM 方案

ORB-SLAM

• ORB-SLAM（一）简介

• ORB-SLAM（二）性能

• ORB-SLAM（三）地图初始化

• ORB-SLAM（四）追踪

• ORB-SLAM（五）优化

• ORB-SLAM（六）回环检测

• ORB_SLAM 初接触

• ORB_SLAM 初接触2

• ORB_SLAM - 3：和markerless AR的结合

• ORB_SLAM - 4：卡片地图预先创建

• ORB_SLAM - 5：SLAM多目标添加

• 运行ORB-SLAM笔记_编译篇（一）----Being_young

• 运行ORB-SLAM笔记_使用篇（二）----Being_young

• ORB-SLAM----ORB-SLAM 官方网站

• ORB-SLAM：精确多功能单目SLAM系统----中文翻译

• 视觉SLAM实战：ORB-SLAM2 with Kinect2

• ORB-SLAM--- 让程序飞起来

• ORB-SLAM 笔记

RGB-SLAM

• 视觉SLAM实战（一）：RGB-D SLAM V2

• 一起做RGB-D SLAM (2)

• 一起做RGB-D SLAM (3)

• 一起做RGB-D SLAM (4)

• 一起做RGB-D SLAM (5)

• 一起做RGB-D SLAM (6)

• 一起做RGB-D SLAM(7) （完结篇）

• 一起做RGB-D SLAM(8) （关于调试与补充内容）

• 一起做RGB-D SLAM (9)--问题总结

PTAM单目

• PTAM算法流程介绍

• Parallel Tracking and Mapping for Small AR Workspaces

• PTAM跟踪过程中的旋转预测方法

• PTAM跟踪失败后的重定位

LSD-SLAM

• LSD-SLAM深入学习（1）-基本介绍与ros下的安装

• LSD-SLAM深入学习（2）-算法解析

• LSD-SLAM深入学习（3）-代码解析

• LSD-SLAM: Large-Scale Direct Monocular SLAM----Computer Vision Group

• lsd-slam源码解读第一篇:Sophus/sophus

• lsd-slam源码解读第二篇:DataStructures

• lsd-slam源码解读第三篇:算法解析

• lsd-slam源码解读第四篇:tracking

• lsd-slam源码解读第五篇:DepthEstimation

• sd-slam源码解读第六篇:GlobalMapping

DSO单目

• DSO: Direct Sparse Odometry

• DSO论文速递（一）----泡泡机器人

• DSO论文速递（二）----泡泡机器人

• DSO论文速递（三）----泡泡机器人

• DSO 初探----白巧克力亦唯心

• 基于视觉+惯性传感器的空间定位方法

SVO单目

• svo： semi-direct visual odometry 论文解析

• 安装说明

• 安装SVO

• SLAM代码之svo代码分析

DTAM

• OpenDTAM----An open source implementation of DTAM

优秀案例

ORB_SLAM----多功能和单目的SLAM框架

ORB_SLAM2----Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilities

LSD-SLAM----很有名的，不多解释了

DVO-SLAM----Dense Visual Odometry and SLAM

RGBD-SLAM2----RGB-D SLAM for ROS

SVO----Semi-Direct Monocular Visual Odometry

G2O----A General Framework for Graph Optimization

cartographer----这是一个提供实时SLAM在2D和3D的跨多个平台和传感器配置。

slambook----高翔博士的SLAM书籍中的code

slamhound----Slamhound rips your namespace form apart and reconstructs it.

ElasticFusion----Real-time dense visual SLAM system

ORB_SLAM_iOS----ORB_SLAM for iOS

ORB_SLAM2_Android----a repository for ORB_SLAM2 in Android

Kintinuous----Real-time large scale dense visual SLAM system

ScaViSLAM----This is a general and scalable framework for visual SLAM. It employs "Double Window Optimization" (DWO).

不断更新中...