想学的东西有点都，很多都是学了一点就扔了，没有一个深入的，觉得有必要整理一个条目出来，按顺序有计划的去学习:
1、已修主要课程（数学力学为主）：
数学：高数、线性代数、概率论、数值计算等一堆数学；
力学基础：材料力学、理论力学（刚体运动学+刚体动力学）、弹性力学、流体力学、粘性流体力学等一大堆力学；
几何建模：AutoCAD、Catia、Solidworks；
数值仿真：ICEM、PointWise 、Mechanic、Fluent 16.0、Workbench、；
英语：6级（阅读无障碍）；
编程语言：C（熟练）；
编程环境：Visual C++6.0
2、当前自学主要课程（以SLAM为主）
2.1 SLAM：视觉SLAM十四讲；
当前的SLAM框架如上图所示，当前以视觉SLAM学习为主
经典视觉SLAM流程包括：
1）传感器信息提取。主要是相机图像相关信息。
2）视觉里程计(Visual Odometry,VO)，又称为前端。估算相邻图像间相机的运动及输出局部地图，为后端优化提供“初值”。
3）后端优化(Optimization)。后端接受前端测量的相机位姿和回环检测的信息，得到全局一致的轨迹和地图。
4）回环检测(Loop Closing)。回环检测判断机器人是否到达过先前的位置。若检测到回环，将信息提供给后端进行处理。
5）建图(Mapping)。根据估计的轨迹，建立与任务要求的地图。
2.2 基础知识储备
数学：矩阵、概率论复习；
动力学：三维空间刚体运动；
编程语言：Python、C++、C#、Matlab（入门）；
编程环境：Pycharm、Keil5、QT、Visual Studio；
数据结构与算法：leetcode、第四版数据结构与算法；
嵌入式基础知识：Stm32（RFID+NRF）、各种接插件型号整理；
控制：PID算法、卡尔曼滤波；
传感器：摄像头（单目、双目、RGDB-ke）、激光雷达（思岚A2）、IMU、GNSS、；
图像基础知识：
2.3 Slam学习
开源框架：ROS理论与实践（胡春旭）、PX4、OpenCV；
Slam算法：ORB-Slam；
------------------------------------------------------------------------------------------------
2018.12.23 于 南昌