🗺️ SLAM课程 — 从零到精通

30课系统掌握SLAM：从概率基础到激光SLAM、视觉SLAM、后端优化，再到实战项目。每课包含算法原理、数学推导、Python代码、仿真验证、练习与成就。

30
课程
5
阶段
✅
仿真验证
🏆
成就系统
📘 阶段一：SLAM基础（1-6）

掌握SLAM的概率论基础、贝叶斯滤波框架、运动模型、观测模型和数据关联

01 SLAM概述 02 概率机器人基础 03 贝叶斯滤波 04 运动模型 05 观测模型 06 数据关联
📗 阶段二：激光SLAM（7-12）

激光雷达原理、ICP配准、栅格地图、Gmapping、Cartographer和回环检测

07 激光雷达原理 08 ICP配准 09 栅格地图 10 Gmapping 11 Cartographer 12 回环检测
📙 阶段三：视觉SLAM（13-18）

相机模型、特征提取、单目/双目里程计、光流法和ORB-SLAM

13 相机模型与标定 14 特征提取与匹配 15 单目视觉里程计 16 双目/RGB-D里程计 17 光流法 18 ORB-SLAM
📕 阶段四：后端优化（19-24）

图优化、位姿图、因子图、GTSAM、Bundle Adjustment和鲁棒优化

19 图优化基础 20 位姿图优化 21 因子图 22 GTSAM实战 23 Bundle Adjustment 24 鲁棒优化
📓 阶段五：实战项目（25-30）

2D激光建图、视觉里程计、RGB-D SLAM、多传感器融合、大场景建图和毕业项目

25 2D激光建图 26 视觉里程计 27 RGB-D SLAM 28 多传感器融合 29 大场景建图 30 毕业项目：自主探索建图

SLAM课程 © 2026 | 从零到精通 | Python仿真验证

暗色主题 · #10b981绿色强调 · 30课完整体系