From a2e2f9a109b12bb57a69a6b66bec0c8d924d3afd Mon Sep 17 00:00:00 2001 From: niuoruo <1102567801@qq.com> Date: Thu, 16 Nov 2023 20:32:48 +0800 Subject: [PATCH] docs : refine slam direction --- README.md | 118 ++++++++++++++++++++++++++++++------------------------ 1 file changed, 66 insertions(+), 52 deletions(-) diff --git a/README.md b/README.md index 041cd88..1c72b18 100644 --- a/README.md +++ b/README.md @@ -1,81 +1,95 @@ -# IRobot 算法组培养路线 +1. IRobot 算法组培养路线 -| 版本 | 日期 | 人员 | 修改记录 | -| ---- | ---------- | ---------------------- | -------- | -| v1.1 | 2023-11-16 | 吴勇前， QQ:1102567801 | | -| v1.0 | 2023-06-25 | 郑桂勇， QQ:2712089295 | 首次提交 | + | 版本 | 日期 | 人员 | 修改记录 | + | ---- | ---------- | ---------------------- | ------------------------------------------------------------ | + | v1.1 | 2023-11-16 | 吴勇前， QQ:1102567801 | 添加 *2.2.1 slam基础部分* 的推荐学习课程与方法，细化了里程计与定位方法 | + | v1.0 | 2023-06-25 | 郑桂勇， QQ:2712089295 | 首次提交 | -## 1. 通识基础 + ## 1. 通识基础 -### 1.1 基础中的基础 + ### 1.1 基础中的基础 -1. Ubuntu 安装、系统文件结构介绍，常用操作（命令行操作需要背诵） -2. C++基础与 ToolChain(CMake,gcc(认识)) -3. 传统 CV 基础(图像原理和 OpenCV 对应代码） -4. 自定义训练级下 YOLO 训练及调参 -5. 相机模型、标定、2D-3D (PNP) + 1. Ubuntu 安装、系统文件结构介绍，常用操作（命令行操作需要背诵） + 2. C++基础与 ToolChain(CMake,gcc(认识)) + 3. 传统 CV 基础(图像原理和 OpenCV 对应代码） + 4. 自定义训练级下 YOLO 训练及调参 + 5. 相机模型、标定、2D-3D (PNP) -### 1.2 工程基础 + ### 1.2 工程基础 -1. ROS2 基础 -2. 大恒相机使用 -3. Can 通信和串口通信 -4. 基本 python 和 matlab 使用 -5. 常用调试工具、设备认识和使用 -6. 常见报错处理认识和解决途径 + 1. ROS2 基础 + 2. 大恒相机使用 + 3. Can 通信和串口通信 + 4. 基本 python 和 matlab 使用 + 5. 常用调试工具、设备认识和使用 + 6. 常见报错处理认识和解决途径 -### 1.3 进阶基础 + ### 1.3 进阶基础 -1. 基本滤波器状态估计机理（KF,EKF) -2. 优化基本原理及优化库的使用（G2O,Ceres） + 1. 基本滤波器状态估计机理（KF,EKF) + 2. 优化基本原理及优化库的使用（G2O,Ceres） -## 2. 细化方向 + ## 2. 细化方向 -### 2.1 深度学习方向 + ### 2.1 深度学习方向 -#### 2.1.1 深度学习方向基础 + #### 2.1.1 深度学习方向基础 -1. 目标检测和目标分类基础原理及代码基础 + 1. 目标检测和目标分类基础原理及代码基础 -2. 数据集处理和数据增强 + 2. 数据集处理和数据增强 -3. YOLO 的主干网络更改裁剪，输出层设计,LossFunciton 设计4. YOLO 网络剪枝和量化 + 3. YOLO 的主干网络更改裁剪，输出层设计,LossFunciton 设计4. YOLO 网络剪枝和量化 -4. YOLO 后端推理（OpenVino,TensorRT,OpenCV(dnn),ONNXRuntime) + 4. YOLO 后端推理（OpenVino,TensorRT,OpenCV(dnn),ONNXRuntime) -#### 2.1.2 深度学习方向研究方向建议 + #### 2.1.2 深度学习方向研究方向建议 -1. 论文阅读，关注热点，多看代码 + 1. 论文阅读，关注热点，多看代码 -2. 探讨将语义分割引入比赛（雷达站，哨兵）等，比较与目前方案的优劣性 + 2. 探讨将语义分割引入比赛（雷达站，哨兵）等，比较与目前方案的优劣性 -3. 探讨将单双目深度估计引入比赛（雷达站，哨兵）等，比较与目前方案的优劣性 + 3. 探讨将单双目深度估计引入比赛（雷达站，哨兵）等，比较与目前方案的优劣性 -4. 探讨将深度强化学习引入比赛（控制，决策）等，比较与目前方案的LIO优劣性 + 4. 探讨将深度强化学习引入比赛（控制，决策）等，比较与目前方案的LIO优劣性 -5. 更多请自由探索，发挥想象力 + 5. 更多请自由探索，发挥想象力 -### 2.2 SLAM 方向 + ### 2.2 SLAM 方向 -#### 2.2.1 SLAM 基础 + #### 2.2.1 SLAM 基础 -1. 了解常用的地图格式 -2. 在 Nav2 中实现仿真环境下的导航问题，并理清不同 Frame 之间的转换及作用，以及理清定位，里程计，全局地图，局部地图和全局规划，局部规划的关系 -3. 了解 AMCL 定位原理，以及补充里程计相关知识 -4. 了解全局路径规划(A*,Dijkstra)等原理，了解局部规划算法（TEB,DWA )的原理 -5. 尝试使用 Gammping 或 cartographer 使用激光雷达在仿真和真实世界中建图 -6. 尝试 LIO 如 Fast-LIO 的 Demo 运行（Bag、真实设备） -7. 尝试 VIO 如(ORB-SLAM、VINS-FUSION)的 Demo 运行（Bag、真实设备） -8. 使用 Nav2 框架在真实世界进行 2d 下的机器人的导航规划（激光雷达使用 2d,里程计使用 **LIO** 或 VIO 输出或轮式里程计，预建全局地图） -9. 使用 Nav2 的决策树模块，模拟赛场哨兵决策。 + 1. 了解常用的地图格式 （推荐：高飞 移动机器人运动规划） -#### 2.2.2 SLAM 研究方向建议 + 2. 在 Nav2 中实现仿真环境下的导航问题，并**理清不同 Frame 之间的转换及作用**，以及**理清定位，里程计，全局地图，局部地图和全局规划，局部规划的关系**（可通过tf2_tools观看Frame之间的转换帮助理解，通过rqt_graph理清导航的完整框架） -1. 多学理论基础，关注热点，多看代码，多看论文 + 3. 了解**全局路径规划**(A*,Dijkstra)等原理，了解**局部规划算法**（TEB,DWA )的原理（推荐：高飞 移动机器人运动规划） -2. 了解各种传感器（IMU,深度相机，雷达，UWB）等特性，以及其融合、标定、同步 - 方案 + 4. 补充**里程计**相关知识，了解**定位方法**的原理 -3. 深入学习算法原理（IMU 预积分，建图算法，规划算法，感知算法等） + - 视觉：了解特征点法，光流法的原理（推荐:《视觉slam十四讲》7、8讲） -4. 心有余力者，可多看书如《机器人的状态估计》，多看论文（Mars Lab(hku) , HKUST Aerial Robotics Group , Fast Lab (zju) , STAR Lab(sysu) ） + - 激光：了解 AMCL 等定位方法的原理（推荐:《概率机器人》 蒙特卡洛定位，知乎 Churlaaaaaaa AMCL包源码分析） + + - 其他：如轮式，GNSS + + 5. 尝试使用 Gammping 或 cartographer 使用激光雷达在仿真和真实世界中建图 + + 6. 尝试 LIO 如 Fast-LIO 的 Demo 运行（Bag、真实设备） + + 7. 尝试 VIO 如(ORB-SLAM、VINS-FUSION)的 Demo 运行（Bag、真实设备） + + 8. 使用 Nav2 框架在真实世界进行 2d 下的机器人的导航规划（激光雷达使用 2d,里程计使用 LIO 或 VIO 输出或轮式里程计，预建全局地图） + + 9. 使用 Nav2 的决策树模块，模拟赛场哨兵决策。 + + #### 2.2.2 SLAM 研究方向建议 + + 1. 多学理论基础，关注热点，多看代码，多看论文 + + 2. 了解各种传感器（IMU,深度相机，雷达，UWB）等特性，以及其融合、标定、同步 + 方案 + + 3. 深入学习算法原理（IMU 预积分，建图算法，规划算法，感知算法等） + + 4. 心有余力者，可多看书如《机器人的状态估计》，多看论文（Mars Lab(hku) , HKUST Aerial Robotics Group , Fast Lab (zju) , STAR Lab(sysu) ） \ No newline at end of file