深蓝学院-视觉SLAM十四讲【VIP】

解决从数学推导到工程落地的核心痛点

视觉 SLAM 长期存在一个顽疾：学术界的论文写得精妙，工业界的代码却难以复现。学习者在李群李代数、非线性优化、光束法平差这些抽象概念上耗费大量时间，最终仍不知道如何写出一个能跑通的视觉里程计后端。这份资料的本质，是把高翔《视觉 SLAM 十四讲》的理论体系转化为可在 Linux 环境下实际运行的 C++ 工程。它回答的不是“SLAM 是什么”，而是“如何从零构建一个紧耦合的前后端优化系统”。

门槛与学习路径设计

适合具备 C++ 基础（指针、模板、Makefile）和线性代数（矩阵运算、特征值）的读者。不需要先修 ROS，但建议有 Linux 终端操作经验。学习顺序建议如下：先快速过第 3、4 讲的 PPT 建立刚体运动与李群代数直觉，不急于推导公式；然后看第 1、2 讲的视频了解 SLAM 全貌；接着重点攻克第 5、6 讲的相机模型与非线性优化，这是后续章节的数学底座；第 7、8 讲是核心，需逐行调试视觉里程计代码，理解特征点提取与状态估计的数据流；第 10 讲后端优化建议结合官方 GitHub 源码对照，重点打通 BA 的稀疏矩阵构建与求解流程。勘误表用于排查常见的编译链接错误，笔记用于对照关键公式的工程化表达。

学完能做什么

完成练习后，你将能独立在 Linux 环境下搭建完整的 SLAM 系统框架，复现经典前端里程计与后端优化模块，理解状态估计、信息矩阵、图优化的底层实现细节。你能针对具体场景（如动态物体干扰、纹理缺失）调整前端策略或后端约束，而非只会调参。建议重点实践第 7 讲的前端特征提取管线与第 10 讲的后端图优化模块，配合官方源码逐段对照，最终具备独立调试和优化 SLAM 系统的工程能力。