Datawhale出品，视觉SLAM教程开源！

 Datawhale开源 

贡献者：Datawhale团队

开源初衷

随着室内仓储、配送、清洁机器人的兴起及自动驾驶技术的发展，对带有传感器的载体自身的状态估计及环境建模的需求越来越大，作为直接满足这一需求的SLAM技术(Simultaneous Localization and Mapping:同时定位与建图)逐渐走入大众视野，学习的人越来越多。

摄像头成本低且能获取丰富的环境信息，使用摄像头作为传感器的VSLAM技术一直是学术界与工业界的热门研究方向。我们也是众多VSLAM学习者中的一员，从入门到查找各种资料学习的过程中，踩了不少坑，但也有一些心得。考虑到大多数VSLAM的入门学习者会碰到学习曲线陡峭，内容繁杂的问题，我们开源了《smoothly-vslam》教程，并将在组队学习中，陪伴学习者成长。

开源地址：https://github.com/datawhalechina/smoothly-vslam

图1 项目首页

在线阅读地址：https://www.yuque.com/u1507140/vslam-hmh

图2 在线阅读截图

作者

胡明豪：Datawhale成员，VSLAM算法工程师

王洲烽：Datawhale成员，国防科技大学研究生

乔建森：中国航天科工三院-算法工程师

教程内容

本项目主要分为VSLAM基础及VSLAM系统各模块两个部分

1. VSLAM基础：内外参，刚体运动，坐标系变换等概念
2. VSLAM系统：前端，后端，回环检测及建图模块

图3 课程目录

使用方法

我们的课程内容都以markdown格式保存在本仓库内，同时提供网上教程阅读地址。在学习本项目之前，建议先浏览教程章节简介，然后按顺序阅读每章内容，每章结束后会有课程习题及参考链接，可自行练习及查阅。最重要的是：学习+思考。

组队学习安排

1. 第一部分：1~4章：6天
2. 第二部分：5~11章：14天
3. 第三部分（选做）：12章：2天

教程目录（部分）

图4 课程大纲

创作历程

在很久很久以前

大概在2022年的2月，那时候上海的天气还很冷，有一位组织大佬发起了一个ORB-SLAM的教程，当时因为工作原因，我也正在学VSLAM，于是就加入了教程编写群。

最开始大家兴致都比较高，我们很快完成了教程章节的拆解及分工，并约定每两周开一次讨论会，汇报各自编写进度。然后，就没有然后了。。。群里分完工后就没消息了，教程的事也就搁置。但答应了要写最后却没有写，我心里还是过意不去的，时不时也会想起这个事情。

之后的一年多里，我先是做了室内机器人建图定位工作，然后又转到了自动驾驶的建图工作。经过一年的学习后，自己对VSLAM有了初步的认识，有了一种可以重新开工的感觉，并在其他的因素的作用下，我开始动笔写了初版的教程。大概五月份完工，写完后我再次找到当时发起ORB-SLAM的大佬成员，问他对想不想重启原来的教程。大佬很支持，但表示天天加班，可能没时间带大家做这个教程，但是可以在群里帮忙招募合作者。于是，我们就再次起航了。

一步一步走来

有了首批合作者，我们就申请了开源教程立项。在组织开源项目运营团队的帮助下，进一步招募了更多有意向的小伙伴们加入到项目筹备群。经过沟通交流，最后大概是有五六位小伙伴成为了第一批教程编写候选人。分工完毕后，我们开始了第一版教程的编写，但因为各自时间和项目存在一定冲突，在最后编写的过程中，实际就只剩我和另外两个小伙伴了，分别是洲烽和建森。

洲烽是今年国防科技大学的准研究生，做3D视觉方向，那段时间他还在入学之前的时间，对学习各种知识都很热情积极，主动承担起了相机成像及内外参标定相关的内容。建森是已经工作了，主要从事工业和医疗中的三维重建和检测，一来就把第三章的练习代码补全了，之后负责了教程中很多公式的编写及校准。在这两个优秀的小伙伴的帮助下，一个多月后，我们教程就由初稿变为第一版了。然后就是第一版教程的内测，接着是公测，在公测后基于学员反馈对教程进行修改，并完成了项目的毕业。

回头看

回顾整个教程编写过程过程，首先想对支持这个项目的每一个人表示感谢，没有他们的参与，可能就不会有这个开源教程了。同时也有一些反思，有如下几点：

1. 有想法很容易，但实现很难，我们很多时候会忽略了自己及他人的惰性，也会对别人的是否有充足的时间来参与这个事情有误判。唯一能消除这个不确定性的，就是事先自己多做工作，比如教程已经有初版了，再拿出来申请立项，招募合作者，这样成功的概率会更大些。
2. 要抱有平和的心态，相互配合总是一件不容易的事情，多理解他人，事情的开展会更顺利，我也是在不断学习这一点。
3. 作为组织者，一定要去push事情节点，当然我不喜欢催别人做事情，不算一个合格的组织者。但我就既当过参与者，也做过组织者的经历来看，我觉得有时候成员可能不是不想做，其实就差一点督促的动力，如果能适当调动大家积极性，我感觉项目的进展会更快，质量更好。

开源价值

当学习一个方向有一定积累之后，自然而然就会去尝试做一些总结，对我来说，《smoothly-vslam》是我学习VSLAM的归纳和检验，在写教程的过程中我也收获了很多。愿其成为北尘星光一颗，陪伴学习者前行，若真如此，是我的荣幸。海边一游，深知海之广阔，VSLAM还有很多深入的东西有待大家挖掘，也希望大家能多提意见，参与到教程的完善中来，使其进化。
—— 胡明豪

作为课程设计者，自己也深入学习了VSLAM的相关知识，加深对这些概念和技术的理解，并将其应用于实际问题中。这个过程本身也是一种知识分享和沉淀的机会，通过将自己的学习经验和理解以教程的形式呈现出来，促进自己的学习和成长，希望大家也可以积极参与到开源分享中来！
—— 王洲烽

视觉SLAM随着无人驾驶等应用的兴起而获得重大关注，本项目旨在降低学习门槛的同时为初学者建立整体框架，希望读者能因此打开视觉SLAM世界的大门从而进一步深入学习。受益于开源，我也希望尽自己的力进行开源，让更多的人受益。最后，感谢Datawhale开源组织和各位小伙伴！
—— 乔建森

开源不易，点赞在看↓