平教授是加拿大西蒙弗雷澤大學副教授。不久前他與浙江大學合作了一系列三維視覺課程，內容涵蓋相機標定、多視幾何等多個方面。機器之心簡要介紹了該系列課程，希望能夠對讀者學習三維視覺技術有所幫助。

課程內容簡介

任何把相機連接到計算機的工作都不能忽視三維視覺。近年來，視覺 SLAM 技術發展勢頭迅猛，AR／VR、無人機、機器人、自動駕駛方面的公司都在大量招聘了解這方面技術的人，但熟悉該領域的人才卻非常稀缺。

譚平教授表示，2016 年他在北京篩選了近 200 份簡歷，最后只發出去兩個 SLAM算法崗的 offer。許多人只是用過開源代碼，有的對代碼做過一些定制化，但對算法的原理了解很少。比如，很少有人能說清楚為什么 ORB SLAM 需要兩種不同的初始化方式，也沒有多少人能講清楚旋轉矩陣的參數化方式。

因此，譚平教授借在浙江大學講課的機會，把三維視覺部分的課程錄像發布在網絡上，同時也共享了講課的 PPT。

該課程一共是三周的課時，時長約六小時。內容涵蓋相機標定、多視幾何、structure-from-motion、SLAM 等方面。課程適合初學者或是想回顧基礎知識的同學。

• 視頻鏈接：http://list.youku.com/albumlist/show/id_52188378.html
• PPT 資源鏈接：https://pan.baidu.com/s/1w_ucOJBou-Fi0Li7H_zaaw
• 提取碼：oomy

下面我們將簡單介紹其中的一節課 SLAM。

SLAM 技術

SLAM 的全稱是 Simultaneous Localization And Mapping，是一種幫助機器人實現定位與地圖構建功能的方案或技術。它早期用于軍事核潛艇中的海底定位，現在廣泛應用于機器人、無人機、自動駕駛、VR 和 AR 領域。

譚平教授主要從三部分介紹 SLAM 技術：基于激光雷達的 SLAM（LiDAR SLAM）、視覺 SLAM（Visual SLAM），以及提升穩健性的技術（Robustness Techniques）。譚教授希望首先通過 LiDAR SLAM 的講解帶大家了解 SLAM 的基礎模塊，然后了解如何用視覺方法實現這些基礎模塊，即實現 Visual SLAM，最后介紹 Visual SLAM 里面用于提升穩健性的常用技術。

譚平教授首先簡要介紹了 SLAM 的基礎概念、視覺 SLAM 的 demo 及應用場景。之后以 2D LiDAR SLAM 為例，介紹了 SLAM 中的基礎模塊。

此外，譚平教授還介紹了 LiDAR SLAM 和 Visual SLAM 的基礎架構。

這節課的第二部分介紹了 Visual SLAM，主要探討了 Visual SLAM by SfM（SfM 在前一節課中已經詳細介紹過）、Key‐frame based VisualSLAM、Parallel Tracking and Mapping (PTAM)。其中重點介紹了 PTAM 的原理和具體步驟。

在這節課的第三部分，譚教授講解了 Re‐localization、解決 Drifting 問題的 Loop Closure 等提升穩健性的技術。視覺 SLAM 面臨很多挑戰，因此需要這些高級功能來提升它的穩健性。

最后，譚教授簡要回顧了視覺 SLAM 的歷史，感興趣的同學可查看課件中總結的研究。

講師簡介

譚平博士是加拿大西蒙弗雷澤大學 (SFU) 副教授，在此之前是新加坡國立大學 (NUS) 副教授。譚博士于 2007 年從香港科技大學獲得博士學位，一直從事計算機視覺，特別是三維重建、視覺 SLAM 方面的研究工作。他是 IJCV、CGF、MVA 等學術雜志的副主編，并擔任計算機視覺、圖形學、機器人方面的學術會議領域主席，包括 CVPR 領域主席，SIGGRAPH、SIGGRAPH Asia 的程序委員，IROS 的副主編。