第1章 · 课程导学与系统概览

大家好，我是这门课的主讲。做了快十年SLAM和机器人导航，踩过不少坑，也攒了一些实战心得。这一章咱们先不急着写代码，把整个课程的地图摊开，聊聊SLAM的前世今生、导航系统的骨架，以及你学完这门课能做出什么东西。

1.1 SLAM技术发展史 —— 从“盲人摸象”到“实时建图”

SLAM，说白了就是让机器人在未知环境里一边走路一边画地图，还得知道自己站在地图的哪个位置。听起来像科幻？其实上世纪80年代就开始研究了。

• 古典时代 (1986-2000)：基于卡尔曼滤波，只能处理小场景。我记得当时用激光雷达做EKF-SLAM，一个走廊跑完，地图就飘了。
• 图优化时代 (2000-2010)：引入图论，把位姿和路标当成节点，误差当成边。我2015年第一次用g2o做后端，才明白什么叫“全局一致性”。
• 视觉SLAM爆发 (2010-至今)：ORB-SLAM、DSO、VINS-Mono……相机便宜，特征点丰富。但说实话，纯视觉在弱纹理或快速运动时容易崩，我吃过不少亏。
• 多传感器融合 (现在)：激光+视觉+IMU+轮速计，互相补短板。你想想看，一个机器人如果只有激光，玻璃墙就完蛋；只有视觉，暗光就瞎。融合才是王道。

1.2 导航系统核心架构 —— 拆解一台能跑的机器人

一个完整的自主导航系统，不是只有SLAM。我习惯把它分成四个模块，像搭积木一样：

1. 感知层：激光雷达、相机、IMU……原始数据进来，做预处理、特征提取。
2. 状态估计层 (SLAM)：前端匹配 + 后端优化 + 回环检测，输出位姿和地图。
3. 规划层：全局路径（A*、Dijkstra） + 局部路径（DWA、TEB），避开动态障碍。
4. 控制层：把路径转成速度指令，PID或MPC，让电机转起来。

嗯，这里要注意：很多人只盯着SLAM，忽略了规划和控制，结果建图很漂亮，机器人却撞墙。我早期一个项目就是这样，地图精度毫米级，但路径规划没调好，机器人原地转圈……

1.3 课程项目实战目标与评估标准

这门课不是纸上谈兵。我们会从零搭建一台差速轮式机器人，搭载激光雷达和IMU，在仿真和真实环境中跑通SLAM+导航。具体目标：

• 建图：用2D/3D激光SLAM构建一致性地图，面积不小于500㎡。
• 定位：在已知地图中重定位，误差<10cm（我习惯用ATE评估）。
• 导航：给定目标点，机器人自主避障并到达，成功率>95%。
• 部署：在Jetson Nano或树莓派上实时运行，帧率不低于10Hz。

1.4 课程结构 & 你能带走什么

30章内容，从ROS2环境搭建到工业级项目实战。我个人建议按顺序学，但如果你对某个模块特别熟，可以跳着看。不过，第6-12章（激光SLAM）和第16-21章（导航）是核心，建议啃透。

阶段	章节	产出
基础	1-5章	ROS2环境、传感器驱动、TF树、仿真机器人
SLAM核心	6-15章	激光/视觉SLAM算法、多传感器融合
导航核心	16-24章	全局/局部规划、代价地图、Nav2、避障
实战部署	25-30章	嵌入式部署、多机器人、工业项目

好了，第一章就这些。记住：SLAM导航不是玄学，是工程。后面每一章我都会带着你写代码、调参数、看波形。