想學的東西有點都，很多都是學了一點就扔了，沒有一個深入的，覺得有必要整理一個條目出來，按順序有計劃的去學習:

1、已修主要課程（數學力學為主）：

數學：高數、線性代數、概率論、數值計算等一堆數學；

力學基礎：材料力學、理論力學（剛體運動學+剛體動力學）、彈性力學、流體力學、粘性流體力學等一大堆力學；

幾何建模：AutoCAD、Catia、Solidworks；

數值模擬：ICEM、PointWise 、Mechanic、Fluent 16.0、Workbench、；

英語：6級（閱讀無障礙）；

程式語言：C（熟練）；

程式設計環境：Visual C++6.0

2、當前自學主要課程（以SLAM為主

2.1  SLAM：視覺SLAM十四講；

當前的SLAM框架如上圖所示，當前以視覺SLAM學習為主

經典視覺SLAM流程包括：
1）感測器資訊提取。主要是相機影象相關資訊。
2）視覺里程計(Visual Odometry,VO)，又稱為前端。估算相鄰影象間相機的運動及輸出區域性地圖，為後端優化提供“初值”。
3）後端優化(Optimization)。後端接受前端測量的相機位姿和迴環檢測的資訊，得到全域性一致的軌跡和地圖。
4）迴環檢測(Loop Closing)。迴環檢測判斷機器人是否到達過先前的位置。若檢測到迴環，將資訊提供給後端進行處理。
5）建圖(Mapping)。根據估計的軌跡，建立與任務要求的地圖。

2.2  基礎知識儲備

數學：矩陣、概率論複習；

動力學：三維空間剛體運動；

程式語言：Python、C++、C#、Matlab（入門）；

程式設計環境：Pycharm、Keil5、QT、Visual Studio；

資料結構與演算法：leetcode、第四版資料結構與演算法；

嵌入式基礎知識：Stm32（RFID+NRF）、各種接外掛型號整理；

控制：PID演算法、卡爾曼濾波；

感測器：攝像頭（單目、雙目、RGDB-ke）、鐳射雷達（思嵐A2）、IMU、GNSS、；

影象基礎知識：

2.3 Slam學習

開源框架：ROS理論與實踐（胡春旭）、PX4、OpenCV；

Slam演算法：ORB-Slam；

------------------------------------------------------------------------------------------------

2018.12.23 於 南昌