计算机视觉与深度学习 ｜ 视觉SLAM学习思路总结与视觉SLAM发展历程（1986年至2025年）

• 视觉SLAM（Simultaneous Localization and Mapping，同时定位与建图）是计算机视觉和机器人领域的重要研究方向，涉及数学、几何、优化、传感器融合等多学科知识。以下是学习视觉SLAM的系统化思路总结，适合从入门到进阶的学习路径：

---

视觉SLAM学习思路总结

一、基础准备

1. 数学基础

   • 线性代数：矩阵运算、特征值分解、奇异值分解（SVD）、最小二乘法。
   • 微积分与优化：梯度下降、牛顿法、非线性优化（如高斯-牛顿法、Levenberg-Marquardt算法）。
   • 概率与统计：贝叶斯滤波、卡尔曼滤波（KF/EKF）、粒子滤波（PF）。
   • 几何：三维空间变换（欧拉角、四元数、李群/李代数 SO(3)/SE(3)）。

2. 编程基础

   • 语言：C+&