计算机视觉、图像基础

• 数字图像处理
• 计算机视觉
• Multiple View Geometry in Computer Vision，配合Berkeley课件

数学基础

• 《线性代数应该这样学》，英文名《Linear Algebra Done Right》

• Sparse Matrix：optimization->各种least square算法Dr. Tim Davis的课件：Tim Davis ，他的主页里有全部的课程视频和Project

• 针对SLAM问题，最常用的least square算法是Sparse Levenberg Marquardt algorithm，这里有一份开源的代码以及具体实现的paper：[Sparse Non-Linear Least Squares in C/C++]

• Thrun的《probabilistic robotics》概率学是如何解决机器人中的问题的，关键学习贝叶斯滤波，也是就是贝叶斯公式在各个问题(定位，SLAM)中的应用

• 优化的话，建议先把最小二乘优化中给弄透彻，数学推导要会，因为很多问题，最后都是归结到最小二乘优化，然后就是梯度下降、求Jacobian之类的

SLAM入门

• 综述论文
  SimultaneousLocalisationandMapping(SLAM):Part SimultaneousLocalisationandMapping(SLAM):Part 2

• 做visual slam的话，推荐visual odometry part 1和part 2visual odometry 和 visual slam基本是同质的问题，只不过关注的点各有侧重，odometry注重的是当前实时性，slam 注重的是全局的优化。这两篇文章归纳了做odometry（slam）的三种主流的feature-based算法：
  1、2D-to-2D correspondences
  2、3D-to-3D correspondences
  3、2D-to-3D correspondences

• Andrew Davison的课程
  AD在在week 8里面推荐了slam的两个入门 Tutorial 1 和Tutorial 2

• Tutorial的两篇文章文笔灰常秀丽，但是不操作还是云里雾里
  所以这里有一个瑞士苏黎世理工的学生练习
  大家把excise 3：SLAM（EKF）做了，也就差不多了解些slam的原理了。关于练习3的答案，我过几天上传好。

编程基础

• OpenCV的文档Camera Calibration and 3D Reconstruction中，包含SLAM相关的基础理论公式以及C/C++/Python实现的API

• 入门先写一发最小二乘优化，可以就做一个简单的直线拟合，不要用Matlab中的优化工具，了解数学推导最后是怎么写到代码里面的。

• 要玩好Matlab优化工具包，做实验最方便了

• 尝试玩一些现有的SLAM包www.openslam.org

• ROS建议先试试Gmapping

• 阅读orbslam的源代码

经典论文

PTAM,DTAM,SLAM这几篇经典文章