VIP20

本课程属于：016-SLAM 机器人系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

SLAM地图构建精度提升指南

📚 共计 30 章节

SLAM基础与精度瓶颈

SLAM系统概述、地图精度评价指标（ATE/RPE）、影响精度的核心因素（传感器噪声、运动畸变、回环检测失效）

基础评价指标

传感器标定与同步

相机内参标定（张正友法）、IMU零偏与尺度估计、多传感器时间戳硬同步与软同步方案

前端特征提取优化

ORB特征点改进（四叉树均匀化、多尺度金字塔）、SuperPoint深度学习特征替代方案、特征点质量筛选策略

特征深度学习

光流与直接法

LK光流跟踪参数调优、直接法光度误差模型、半直接法（SVO）的精度权衡

光流直接法

IMU预积分理论

预积分公式推导、协方差传递、偏置更新策略、与视觉残差的联合优化

视觉惯性初始化

松耦合初始化流程、重力加速度估计、尺度与速度恢复、初始化失败处理

后端优化器选择

g2o/Ceres/GTSAM对比、图优化稀疏性利用、边缘化策略（Schur补）、滑动窗口大小对精度的影响

优化图优化

关键帧筛选策略

基于共视关系的关键帧选取、时间间隔与空间距离阈值、冗余关键帧剔除（三角化质量评估）

关键帧筛选

回环检测与重定位

DBoW3词袋模型训练、几何验证（PnP+ RANSAC）、回环校正对全局一致性的提升

回环重定位

全局优化与位姿图

位姿图构建、全局BA与局部BA的取舍、闭环后全局优化触发策略

动态环境处理

动态物体检测（语义分割/运动一致性）、动态特征点剔除、静态地图更新机制

动态鲁棒性

多传感器融合（LiDAR+视觉）

激光雷达与相机外参标定、点云投影与深度图融合、视觉-激光雷达联合SLAM框架（V-LOAM）

多传感器融合（GNSS+IMU）

RTK/PPK定位原理、GNSS因子图融合、城市峡谷场景下的GNSS退化处理

多传感器融合（轮速计+视觉）

轮速计运动模型、轮速计与视觉的松/紧耦合、地面车辆场景的精度提升

轮速计地面车辆

深度学习辅助深度估计

单目深度估计网络（MiDaS/DPT）、深度不确定性建模、深度先验在SLAM中的应用

深度估计深度学习

语义地图构建（物体级/区域级）、语义约束的图优化、语义回环检测

稠密重建与TSDF

TSDF体素融合原理、GPU加速策略、稠密地图的精度与内存权衡

稠密重建TSDF

光照与纹理鲁棒性

光照变化自适应曝光、低纹理场景的线特征/面特征、HDR图像处理

光照鲁棒性

快速运动与高动态场景

运动模糊检测与帧丢弃策略、IMU辅助运动补偿、高帧率模式下的计算优化

高动态运动补偿

大规模场景建图

地图分块与压缩、长期SLAM的漂移抑制、多会话地图拼接

大规模建图

水下/地下等退化环境

声呐SLAM基础、地下无GPS环境的磁力计辅助、水下视觉特征退化应对

退化环境声呐

计算资源受限优化

ARM平台指令集优化（NEON）、模型量化与剪枝、异步处理流水线设计

嵌入式优化

仿真与数据集验证

EuRoC/TUM/KITTI数据集评估标准、仿真环境（Gazebo/Carla）的精度验证、消融实验设计

仿真数据集

参数自动调优

贝叶斯优化调参、基于强化学习的参数自适应、在线参数校准策略

调优自动化

故障诊断与鲁棒性

SLAM系统崩溃恢复、传感器故障检测与隔离、退化场景的降级策略

故障诊断鲁棒性

多机器人协同SLAM

分布式地图融合、相对位姿估计、通信带宽优化

多机器人协同

3D Gaussian Splatting与SLAM

3D高斯地图表示、实时渲染与定位、与NeRF-SLAM的精度对比

事件相机SLAM

事件相机模型、异步特征跟踪、高动态范围场景的精度优势

事件相机高动态

工业级部署案例

AGV/AMR场景的精度要求、产线标定流程、长期运行稳定性保障

前沿趋势与未来方向

端到端SLAM（DroidSLAM）、生成式模型辅助建图、神经隐式表示（NeRF/3DGS）的SLAM应用