01
SLAM概述与课程导论
什么是SLAM？应用场景（扫地机器人、自动驾驶、AR/VR）、课程目标与学习路径
导论应用
02
传感器基础与数据采集
激光雷达(2D/3D)原理、IMU与里程计、相机模型、ROS数据录制与回放
传感器ROS
03
坐标系与刚体运动
世界/机器人/传感器坐标系、欧拉角与四元数、坐标变换实战(TF树)
TF四元数
04
2D激光SLAM原理
粒子滤波与Gmapping、扫描匹配(ICP/CSM)、栅格地图构建、参数调优
Gmapping粒子滤波
05
Gmapping建图实战
ROS启动Gmapping、调整激光雷达参数、处理重影与漂移、map_server保存
实战调参
06
Cartographer算法解析
图优化SLAM框架、局部子图与全局优化、回环检测、2D/3D配置
图优化回环
07
Cartographer建图实战
安装编译、配置.lua、多传感器融合(激光+IMU)、建图质量评估
Cartographer融合
08
Hector SLAM与Karto SLAM
Hector原理(无里程计)、Karto图优化、轻量级方案对比
HectorKarto
09
3D激光SLAM基础
点云处理(PCL)、NDT配准、LOAM系列(A-LOAM, LeGO-LOAM)简介
3DPCL
10
LOAM与LeGO-LOAM实战
安装运行LeGO-LOAM、地面分割与聚类、3D建图与定位、点云地图保存
LeGO-LOAM实战
11
LIO-SAM与LINS
紧耦合激光-惯性SLAM、因子图优化(GTSAM)、LIO-SAM参数调整
LIO-SAM因子图
12
视觉SLAM基础
特征点法(ORB-SLAM)、直接法(LSD-SLAM, DSO)、视觉里程计原理
视觉特征点
13
ORB-SLAM3实战
单目/双目/RGBD模式、安装运行、地图复用与重定位、初始化失败处理
ORB-SLAM3实战
14
VINS-Mono与VINS-Fusion
视觉-惯性紧耦合、VINS-Mono实战(数据集与真机)、多传感器融合
VINS融合
15
多传感器融合SLAM
激光-视觉融合(LVI-SAM)、标定外参、时间同步、鲁棒性提升
融合标定
16
回环检测与图优化
词袋模型、Scan Context、g2o/Ceres/GTSAM、位姿图优化
回环图优化
17
动态环境与鲁棒SLAM
动态物体过滤(RangeNet)、鲁棒核函数、退化场景处理(长廊/空旷)
动态鲁棒
18
SLAM中的里程计标定
激光雷达与IMU标定(lidar_align)、相机与IMU标定(Kalibr)、轮式标定
标定Kalibr
19
建图质量评估方法
轨迹误差(ATE)、相对位姿误差(RPE)、evo工具、精度量化分析
评估evo
20
大规模场景建图
多会话地图拼接、体素滤波、分块建图策略、城市级案例
大规模分块
21
语义SLAM
语义分割+SLAM(DynaSLAM)、语义地图构建、动态物体语义剔除
语义DynaSLAM
22
SLAM在自动驾驶中的应用
高精地图构建、车道线检测融合、停车场建图与定位
自动驾驶高精地图
23
SLAM在机器人中的应用
扫地机器人全覆盖路径、AGV建图导航、无人机SLAM
机器人AGV
24
SLAM在AR/VR中的应用
VIO与AR设备(Hololens)、空间锚点、持久化地图、遮挡处理
AR/VRVIO
25
SLAM系统部署与优化
嵌入式平台(NVIDIA Jetson/RK3588)、CUDA加速、实时性调优
部署Jetson
26
SLAM常见问题与调试
建图漂移、回环失败、初始化失败、传感器异常、日志可视化调试
调试排错
27
SLAM前沿技术
NeRF-SLAM、3D Gaussian Splatting SLAM、端到端深度学习、多机器人协同
前沿NeRF
28
开源SLAM框架对比与选型
Gmapping vs Cartographer vs ORB-SLAM3 vs LIO-SAM、选型决策树
选型对比
29
综合实战项目（一）
基于Cartographer室内机器人建图与导航、从零搭建SLAM系统
项目Cartographer
30
综合实战项目（二）
基于LIO-SAM室外无人车建图、多传感器融合与闭环优化、课程总结
项目LIO-SAM