阶段一：SLAM理论基础（1–2个月）

学习目标：

理解SLAM的基本原理、类型分类及数学基础。

核心内容：

• 状态估计理论（贝叶斯滤波、卡尔曼滤波、粒子滤波）

• 位姿图与因子图（Pose Graph / Factor Graph）

• 误差建模与最小二乘优化（非线性优化）

推荐资源：

• 《Probabilistic Robotics》by Sebastian Thrun

• 高翔《SLAM十四讲》

• MIT 6.141 / UZH V-SLAM公开课

阶段二：主流SLAM算法实战（2–3个月）

学习目标：

实现不同类型的SLAM系统，掌握其运行机制与传感器使用。

学习分类：

• 激光SLAM：

￮ Gmapping、Hector SLAM、Cartographer

• 视觉SLAM：

￮ ORB-SLAM2/3（特征点）

￮ DSO（直接法）

• 多传感器融合SLAM：

￮ VINS-Fusion、LIO-SAM、LVI-SAM

实战工具：

• ROS 1/2 + RViz + Gazebo

• KITTI / EuRoC 数据集

• openvins / vins-fusion / LIO-SAM源码

实践任务：

• 使用TurtleBot搭建2D激光SLAM导航系统

• 复现ORB-SLAM3并部署到手持或无人机平台

• 构建VINS-Fusion + Cartographer联合定位系统

阶段三：SLAM系统开发与优化（进阶）

学习目标：

掌握自定义地图建图、传感器时间同步、IMU预积分等复杂任务。

关键内容：

• 回环检测与闭环优化

• IMU预积分理论（Forster）

• 滑动窗口优化（如VIO/VI-SLAM中使用）

项目建议：

• 实现基于IMU+视觉的VI-SLAM子系统

• 改造现有开源SLAM支持自定义地图结构（如拓扑地图）

阶段一：SLAM 理论基础

推荐资料汇总

阶段二：主流 SLAM 算法实战

激光 SLAM 实战项目

Cartographer ROS（Google出品，支持2D/3D）

• GitHub: https://github.com/cartographer-project/cartographer_ros

• 中文教程推荐：https://zhuanlan.zhihu.com/p/372452494

• 推荐应用：TurtleBot2 结合激光建图和导航

Gmapping + TurtleBot2 实践

• GitHub 配套包：https://github.com/turtlebot/turtlebot_simulator

• 实战教程（含 launch 文件）：
 https://github.com/gaoxiang12/ros_qt_tutorial

视觉 SLAM 实战项目

ORB-SLAM3（支持单目、双目、IMU）

• GitHub: https://github.com/UZ-SLAMLab/ORB_SLAM3

• 中文编译&使用教程：
https://github.com/zhanghua216/ORB_SLAM3_CN_DOC

DSO（Direct Sparse Odometry）

• GitHub: https://github.com/JakobEngel/dso

• 中文实践教程：
https://zhuanlan.zhihu.com/p/30471307

多传感器融合 SLAM

VINS-Fusion（清华出品，支持双目、IMU、GPS、回环）

• GitHub: https://github.com/HKUST-Aerial-Robotics/VINS-Fusion

• 中文教程（含Ubuntu安装流程）：
https://zhuanlan.zhihu.com/p/100736948

LIO-SAM（激光 + IMU 融合）

• GitHub: https://github.com/TixiaoShan/LIO-SAM

• 中文解析 + 参数解读：
https://zhuanlan.zhihu.com/p/381471746

LVI-SAM（LIO-SAM + VINS）

• GitHub: https://github.com/TixiaoShan/LVI-SAM

阶段三：SLAM系统开发与优化（进阶）

进阶内容 + 推荐项目

 IMU 预积分 + 滑动窗口优化

• Forster 的 IMU 预积分代码（Ceres + GTSAM）

￮ GitHub: https://github.com/ethz-asl/imu_preintegration

• VINS-Mono 中的滑动窗口优化实现（清华经典）

￮ GitHub: https://github.com/HKUST-Aerial-Robotics/VINS-Mono

回环检测与优化模块：DBoW2

• GitHub: https://github.com/dorian3d/DBoW2

• 中文教程：可用于 ORB-SLAM 回环实现模块分析

推荐实践组合

阶段一：路径规划基础理论（1–2个月）

学习目标：

理解不同类型路径规划方法的算法机制与适用场景。

核心内容：

• 图搜索基础：Dijkstra、A*、D*-Lite

• 随机采样方法：RRT、PRM

• 优化方法：MPC、CHOMP、TEB

• 轨迹平滑与路径优化（B样条、最短路径优化）

推荐课程：

• Stanford CS237A（Autonomous Driving）

• Motion Planning - Steven M. LaValle

阶段二：路径规划实现与部署（2–3个月）

学习目标：

掌握如何在地图上进行路径搜索、轨迹生成与避障。

实战工具：

• Move_base (ROS 1), Nav2 (ROS 2)

• OMPL：采样规划算法库

• teb_local_planner：时间弹性带局部规划器

实践项目：

• 在仿真环境中部署全局+局部路径规划（A* + TEB）

• 使用OMPL创建高维路径规划任务

• 移动机器人室内导航实战（用Gazebo+ROS）

阶段三：融合导航系统构建（1–2个月）

学习目标：

整合SLAM与路径规划，构建完整自主导航系统。

应用结构图建议：

Plain Text
[Sensor (LiDAR / Camera / IMU)]
       ↓
[SLAM模块] → 实时地图 & 自位置
       ↓
[全局路径规划器（如A*）]
       ↓
[局部路径规划器（如TEB）]
       ↓
[底盘运动控制]

实战整合建议：

• 使用Cartographer + A* + DWA构建完整室内导航系统

• 用LVI-SAM + TEB在非结构化环境中实现实时导航

• 多机器人协作定位规划系统（扩展内容）

阶段一：路径规划基础理论（1–2个月）

Python 路径规划算法合集（推荐入门）

• GitHub 地址：https://github.com/AtsushiSakai/PythonRobotics

• 内容：包含 A*、Dijkstra、RRT、RRT*、CHOMP、轨迹平滑（B样条等）

• 中文友好：（有图解、注释良好）

图搜索/采样法中文项目（入门 + 可视化）

• GitHub 地址：https://github.com/JunshengFu/PathPlanning

• 内容：用 PyGame 实现 A*、RRT、BFS 等路径规划

• 中文友好：（含中文注释和可视化界面）

阶段二：路径规划实战与部署（2–3个月）

teb_local_planner：局部路径规划器（动态避障）

• GitHub 地址：https://github.com/rst-tu-dortmund/teb_local_planner

• 内容：基于最优化的局部规划器，常用于ROS导航

• 中文友好：（大量中文教程配套）

Navigation Demo：ROS 1 下 A* + TEB 路径导航示例

• GitHub 地址：https://github.com/zhongyang219/navigation_demo

• 内容：室内地图下全局 + 局部规划演示，支持 Gazebo 仿真

• 中文友好：（作者中文讲解，适合入门）

MoveIt + OMPL 高维空间路径规划（机械臂）

• GitHub 地址：https://github.com/ros-planning/moveit_tutorials

•  内容：基于 MoveIt 的轨迹规划教程，使用 OMPL 后端

• 中文友好：（有许多中文博客解读）

 阶段三：SLAM + 路径规划融合系统（1–2个月）

Cartographer + move_base + TEB 完整导航系统

• GitHub 地址：https://github.com/llldddbbb/navigation_cartographer

• 内容：SLAM 建图 + 全局规划 + 局部避障 + rviz 可视化

• 中文友好：（launch 文件配好，结构清晰）

 LIO-SAM 与 TEB 联合部署

•  GitHub 地址（LIO-SAM 官方）：https://github.com/TixiaoShan/LIO-SAM

•  内容：激光 + IMU 融合 SLAM，配合 TEB 实现实时避障

•  中文友好：（大量中文博客，知乎/知乎专栏覆盖广）

多机器人协作探索系统

•  GitHub 地址：https://github.com/hrnr/m-explore

•  内容：多机器人地图共享、任务分配与路径规划

• 中文友好：（英文代码为主，但易改造）