最近在学习视觉SLAM，系统学习了《视觉SLAM十四讲从理论到实践第2版》电子书，还测试了代码，挺好的视觉 SLAM 入门书，让我知道了树的主干部分。13章特别有用，可以前面章节的各种小的解决方案串起来，看到一个完整的视觉 SLAM 的应该是什么样子。
《视觉SLAM十四讲从理论到实践第2版》电子书系统介绍了视觉 SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，还提供了大量的实例代码供学习研究，从而更深入地掌握这些内容。
第2版增加了更多的实例，增加了一些实验代码来介绍算法的原理，更深入地介绍底层计算会更好，除了调用库函数，还提供了底层的实现。将第1 版的第9 讲移至第13 讲，在介绍了所有必要知识之后，向大家展现一个完整的SLAM 系统是如何工作的，会得到一个由几百行代码实现的、有完整前后端的SLAM 系统。
《视觉SLAM十四讲从理论到实践第二版》电子书对于slam的入门是一本好书，特别是针对小白。看了两三个月，从深度学习转到slam看的就是这本。接下来深入就需要论文了，这本书已经完成了它的使命。
近年来，深度学习体系结构由于在计算机视觉等应用中的极大成功而开始流行起来。特别是卷积神经网络(CNN)已经成为深度学习中最重要的一种网络结构。学习计算机视觉中的深度学习、设计和部署CNN，以及深度计算机视觉体系结构的基础知识。
《卷积神经网络与视觉计算》电子书从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助快速学习和构建深度学习系统。提供了丰富的理论知识和实操案例，以及一系列完备的工具包，以帮助获得在理解和构建卷积神经网络（CNN）时所必要的基本信息。重点将集中在卷积神经网络的基础部分，而不会涉及在高级课程中才出现的一些概念（CNN相关话题）。
《卷积神经网络与视觉计算》电子书分为5章，第1章介绍了图像表示和一些计算机视觉模型，这些模型现在被称为人工方式建模。提供了对图像表示的基本理解，并介绍了一些线性和非线性的特征提取或表示方法，以及这些表示的特性。介绍了一些基本图像元素(如边缘)的检测方法，还包括用这些表示来完成一些基本的机器学习任务。
整理的《视觉SLAM十四讲从理论到实践第2版》电子书资料，《卷积神经网络与视觉计算》电子书资料，计算机视觉方面的电子学习资料供大家参考:
https://www.yuque.com/mathpythondata/tr0r9u/ukh8kr
一边看电子书，一边做笔记，一边调试代码，提高很快！