限时特价 ：
¥0.01
原价 ： ¥10.00
限时特价
剩余名额
剩余名额
1
— 为什么要设置作业？—
为什么要设置作业？
我们希望同学们能通过做作业巩固课堂所学知识，提升自己的工程实践能力，节约激光SLAM的入门时间
希望大家在学完课程后，培养出良好的科研习惯，并迅速成长为SLAM领域的翘楚
— 丰富实用的作业设置，夯实基本功，拒绝形式化！ —
丰富实用的作业设置，夯实基本功，拒绝形式化！
实践一：ROS系统初探与机器人位姿
掌握SLAM的定义和系统框架，认识传感器和激光SLAM的主流方法。搭建实验环境，了解并掌握Linux与ROS系统的基本指令，测试ROS系统的基本功能。学习机器人位姿表示，推导坐标转换公式并编写代码实现机器人在不同坐标系下的位姿变换。
实践二：基于运动模型的里程计标定
学习两轮差分底盘的运动学模型，理解基于该模型的航迹推算过程中的误差来源。学习线性最小二乘法的基本原理，掌握直接线性方法和基于模型方法两种里程计标定方法的原理、应用场景和代码实现。探究线性方程组求解的代码优化和里程计外参标定。
实践三：激光雷达原理与运动畸变去除
基于激光雷达测距原理和似然场模型理解运动畸变产生的原因，学习纯估计方法、IMU辅助方法和融合方法三种去除运动畸变算法，编程实现运动畸变去除模块。阅读ICP方法的论文加深理解并自主设计同时使用IMU+Lidar传感器的运动畸变去除方案。
实践四：SLAM前端算法之ICP方法
学习帧间匹配的经典算法ICP方法及其变种PL-ICP、NICP、IMLS-ICP几种匹配方法，理解上述算法的核心思想和处理误差的优化方法，编写代码实现PL-ICP和IMLS-ICP算法。阅读ICP系列算法的论文，尝试自主提出对ICP算法的优化方案。
实践五：SLAM前端算法之其他方法
学习帧间匹配的其他方法：拟梯度法、高斯牛顿优化方法、NDT方法、相关匹配方法及分支定界加速，编写代码实现高斯牛顿法并探究优化方法。精读NDT方法的相关论文。根据示例绘制分支定界方法流程图以理解其思想。
实践六：基于图优化的激光SLAM算法
学习图优化SLAM方法的核心知识，包括如何构建位姿图、如何进行回环检测和用非线性最小二乘法进行位姿优化。编写代码实现高斯牛顿方法对Pose-Graph进行优化，在Intel和Killian数据集上进行测试，分析代码效率和优化方法，并学习调用g2o或ceres等非线性优化库提升代码性能。
实践七：基于已知位姿的建图算法
了解建图过程中常用的环境地图类型，学习基于覆盖栅格地图的建图算法、计数建图算法和TSDF建图算法的地图定义和地图更新公式。编写代码实现上述建图算法，比较建图结果并分析各算法的优缺点。
实践八：完成激光SLAM系统或技术调研
根据课程所学知识，在三个大作业中选择一项完成：实现一个完整激光SLAM系统、运行测试现有的开源激光SLAM并给出详细的测试报告、调研多传感器融合SLAM的SOTA方法并撰写调研报告。
