01
课程导论与SLAM基础
什么是SLAM？激光雷达SLAM的应用场景（扫地机、自动驾驶、AGV）。课程整体架构与学习路径。
导论应用
02
激光雷达工作原理与选型
机械式、固态式、混合固态。关键参数（线数、测距、FOV、帧率）。ROS驱动安装与点云可视化。
硬件ROS
03
ROS2与开发环境搭建
Ubuntu + ROS2 Humble安装。工作空间创建与功能包结构。常用命令行工具（rviz2、tf2、bag）。
环境ROS2
04
点云数据预处理
体素滤波降采样、直通滤波、半径滤波。PCL库基础使用。
PCL滤波
05
点云特征提取
法向量估计、FPFH特征描述子、ISS关键点提取。
特征描述子
06
点云配准基础
ICP算法原理与实现。点到点ICP与点到面ICP。
ICP配准
07
点云配准进阶
NDT算法原理。ICP与NDT对比实验。
NDT对比
08
前端里程计
基于ICP/NDT的帧间匹配。里程计坐标系维护。
里程计前端
09
后端优化基础
图优化理论简介。g2o或Ceres库入门。
图优化g2o
10
后端优化实战
构建位姿图。闭环检测与图优化。
位姿图闭环
11
Scan-to-Map匹配
将当前帧与局部地图匹配。占据栅格地图构建。
栅格地图匹配
12
基于滤波的SLAM
粒子滤波原理。Gmapping算法详解与实战。
粒子滤波Gmapping
13
基于图优化的SLAM
Cartographer算法架构。子图与全局优化。
Cartographer子图
14
Cartographer实战（一）
安装与配置。2D SLAM建图演示。
建图2D
15
Cartographer实战（二）
纯定位模式。多传感器融合（IMU+Odom）。
定位融合
16
LOAM系列算法解析
LOAM、A-LOAM、LeGO-LOAM核心思想。特征提取与关联。
LOAM特征
17
A-LOAM实战
代码阅读与运行。使用自己的数据集。
A-LOAM实战
18
LeGO-LOAM实战
地面分割与优化。轻量化部署。
LeGO轻量
19
LIO-SAM算法解析
紧耦合LIO框架。IMU预积分与因子图。
LIO-SAM因子图
20
LIO-SAM实战
运行与调参。传感器标定重要性。
调参标定
21
多传感器融合定位
ESKF（误差状态卡尔曼滤波）。GPS+IMU+LiDAR融合。
ESKF融合
22
基于学习的SLAM简介
深度学习在特征提取中的应用。OverlapNet与闭环检测。
学习OverlapNet
23
SLAM评价指标
ATE（轨迹误差）、RPE（相对位姿误差）。evo工具使用。
ATEevo
24
数据集与仿真
KITTI、NCLT数据集使用。Gazebo仿真环境搭建。
数据集Gazebo
25
从零手写简易SLAM（一）
设计数据结构和接口。实现前端里程计。
手写前端
26
从零手写简易SLAM（二）
实现后端图优化。加入闭环检测。
后端闭环
27
从零手写简易SLAM（三）
构建可视化界面。实时显示轨迹与地图。
可视化轨迹
28
SLAM在嵌入式平台部署
Jetson Nano / Orange Pi配置。性能优化技巧（多线程、NEON指令）。
嵌入式优化
29
工程化与调试
日志系统、参数服务器、异常处理。Bag包回放与调试。
工程调试
30
课程总结与未来展望
SLAM技术趋势（3D Gaussian Splatting、NeRF-SLAM）。职业发展建议。
趋势职业