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