Merge pull request #1 from IROBOT-24/slam_refine

docs : refine slam direction

Author: Gy920

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) ）