SLAM学习路线全攻略：从零搭建激光与视觉SLAM知识体系

1. 从零开始搭建SLAM学习路线：一个过来人的完整笔记

SLAM这个词，如果你刚接触机器人或者自动驾驶领域，大概率已经被它反复轰炸过了。全称Simultaneous Localization and Mapping，中文叫同步定位与建图。说白了就是一台机器在一个完全陌生的环境里，一边要知道自己在哪，一边还要把周围的地图画出来。听起来像是个鸡生蛋蛋生鸡的问题——不知道地图怎么定位，不知道位置怎么建图。但SLAM就是要把这两个事情同时解决。

我最初接触SLAM的时候，踩的坑可以说是一个接一个。装ROS环境折腾了三天，跑第一个激光雷达建图的时候rviz里一片空白，好不容易出了点地图又飘得不成样子。后来慢慢从2D激光SLAM摸到视觉SLAM，再到现在的3DGS SLAM，走了不少弯路。这篇笔记就是把我这些年积累的学习路径、实操经验和避坑技巧完整梳理出来，适合刚入门的同学建立知识框架，也适合有一定基础的朋友查漏补缺。

不管你是做ROS SLAM建图和自主导航的工程开发，还是研究视觉SLAM算法的学术方向，或者只是想让自己的机器人跑起来别撞墙，下面的内容应该都能帮到你。

2. SLAM学习路线整体设计与思路拆解

2.1 为什么SLAM的学习顺序不能乱

很多人一上来就想搞视觉SLAM，觉得激光雷达太贵，相机便宜。这个想法本身没错，但如果你连基本的坐标系变换、概率论基础、非线性优化都没搞清楚，直接啃视觉SLAM十四讲，大概率是看一页忘一页。我自己就是这么过来的，第一遍看十四讲的时候，李群李代数那章直接把我劝退了。

SLAM的学习有一条比较合理的路径：先建立数学基础，再理解传感器特性，然后从简单的2D激光SLAM入手跑通整个流程，最后再深入到视觉SLAM和3D SLAM。这条路径的核心逻辑是——先见森林，再见树木。你得先知道一个完整的SLAM系统长什么样，各个模块之间怎么交互，再去深挖每个模块的算法细节。

具体来说，我建议的学习顺序是这样的：

• 第一阶段：数学与编程基础。线性代数（矩阵运算、特征值分解）、概率论（贝叶斯滤波、高斯分布）、非线性优化（最小二乘、高斯牛顿法、LM算法）、C++和Python编程能力。
• 第二阶段：ROS基础与2D激光SLAM。学会用ROS做话题通信、TF变换、rviz可视化，然后跑通gmapping或cartographer，理解栅格地图的构建过程。
• 第三阶段：视觉SLAM入门。理解相机模型、特征点提取与匹配、对极几何、PnP求解、光束法平差。
• 第四阶段：现代SLAM系统。ORB-SLAM3、VINS-Mono、LIO-SAM等开源框架的源码阅读与实战。
• 第五阶段：前沿方向。3DGS SLAM、语义SLAM、多传感器融合等。

2.2 激光SLAM和视觉SLAM该怎么选

这是被问得最多的问题之一。我的建议是：如果你做的是室内机器人、扫地机、AGV这类产品，激光雷达SLAM是首选，因为2D激光雷达成本已经很低了，而且建图精度和鲁棒性都很好。如果你做的是无人机、AR/VR、自动驾驶，视觉SLAM或者视觉惯性融合方案更合适，因为相机成本低、信息丰富，而且能提供更稠密的环境描述。

但说实话，现在纯视觉或者纯激光的方案都越来越少了，主流趋势是多传感器融合。激光雷达提供精确的深度信息，相机提供丰富的纹理信息，IMU提供高频的运动先验，三者互补。所以你不用太纠结先学哪个，关键是理解每种传感器的优缺点和适用场景。

对比维度	激光SLAM	视觉SLAM
传感器成本	2D雷达较低，3D雷达较贵	相机成本低
建图精度	高，直接测距	中等，依赖三角化
光照鲁棒性	不受光照影响	对光照变化敏感
纹理依赖	不依赖纹理	弱纹理场景容易丢失
地图类型	栅格地图/点云地图	稀疏/半稠密/稠密点云
计算量	相对较低	特征提取和优化计算量大
典型框架	gmapping、cartographer、LIO-SAM	ORB-SLAM3、VINS-Mono、DSO

2.3 学习SLAM需要什么样的硬件和软件环境

软件环境方面，Ubuntu是标配，ROS Noetic（Ubuntu 20.04）或者ROS2 Humble（Ubuntu 22.04）是目前比较稳定的选择。如果你刚开始学，我建议直接用ROS1 Noetic，资料多、社区活跃、踩坑容易找到答案。ROS2虽然是大势所趋，但学习阶段的资料丰富度还是不如ROS1。

硬件方面，最低配置是一台带独显的笔记本或者台式机，因为SLAM的编译和运行对CPU和内存要求不低。如果你要跑视觉SLAM，最好有一块NVIDIA显卡，方便跑CUDA加速的特征提取。如果要做实机验证，一个便宜的2D激光雷达（比如思岚的RPLIDAR系列）加一个树莓派或者Jetson Nano就能跑起来。

注意：不要在Windows上折腾ROS，WSL虽然能跑但坑很多，尤其是涉及到USB设备直通和图形化显示的时候。老老实实装双系统或者用Ubuntu单系统。

3. 核心细节解析与实操要点

3.1 坐标系变换：SLAM中最容易被忽视的基础

坐标系变换是SLAM的基石，但很多人在学习初期会跳过这部分直接去看算法。结果就是跑代码的时候TF树报错，完全不知道从哪查起。我用一个生活化的类比来解释：你站在房间里，你知道自己相对于房间的位置，房间相对于整栋楼的位置，整栋楼相对于地图的位置。这三个关系就是三层坐标系变换，任何一层断了，你就无法知道自己在全局地图中的位置。

在ROS中，TF树维护了所有这些坐标系之间的变换关系。常见的坐标系包括：

• map：全局地图坐标系，原点固定在地图某个位置
• odom：里程计坐标系，原点在机器人启动位置
• base_link：机器人本体坐标系
• laser_link：激光雷达坐标系
• camera_link：相机坐标系

TF变换的本质是旋转矩阵和平移向量的组合。一个三维空间中的刚体变换可以用一个4x4的变换矩阵表示：

T = [ R t ] [ 0 1 ]

其中R是3x3的旋转矩阵，t是3x1的平移向量。旋转矩阵可以用欧拉角、四元数或者旋转向量来表示。在ROS中，四元数是最常用的旋转表示方式，因为它没有万向锁问题，插值也平滑。

实操中最容易出错的地方是TF变换的时间戳。ROS的TF要求每个变换都带时间戳，而且不同坐标系之间的变换需要时间对齐。如果你发现rviz里机器人模型闪烁或者激光数据对不上，八成是TF的时间戳出了问题。

3.2 激光雷达SLAM建图的核心流程

以最经典的gmapping为例，整个建图流程可以拆解为以下几个关键步骤：

第一步：数据预处理。激光雷达输出的原始数据是极坐标下的距离和角度信息，需要转换成笛卡尔坐标系的点云。同时要过滤掉超出量程的无效点和噪声点。这个步骤看起来简单，但实际中激光雷达的噪声特性需要仔细标定，尤其是低成本雷达在强光或者黑色物体表面容易产生噪点。

第二步：扫描匹配。这是激光SLAM的核心。简单来说，就是把当前帧的激光扫描数据和已有地图进行对齐，找到最优的位姿变换。gmapping用的是粒子滤波的方法，每个粒子代表一个可能的机器人位姿，通过观测模型计算每个粒子的权重，然后重采样。cartographer则用了基于图优化的方法，先构建子图，再做全局优化。

第三步：地图更新。根据扫描匹配的结果，把当前帧的激光数据插入到栅格地图中。每个栅格有一个占据概率，被激光击中的栅格概率增加，激光穿过的栅格概率降低。用对数几率（log-odds）来表示可以避免数值溢出：

l(m) = log(p(m) / (1 - p(m)))

更新时直接做加法：l_new = l_old + l_measurement，非常高效。

第四步：位姿修正。当机器人重新访问之前到过的区域时，通过回环检测发现这一点，然后对整条轨迹进行优化，消除累积误差。这一步是建图精度的关键，没有回环检测的SLAM系统跑久了地图一定会歪。

3.3 视觉SLAM的特征点法与直接法之争

视觉SLAM有两大流派：特征点法和直接法。特征点法先提取图像中的关键点（如ORB、SIFT、SURF），然后匹配相邻帧的特征点，通过几何关系求解相机运动。直接法则跳过特征提取，直接利用像素灰度值构建光度误差来优化相机位姿。

特征点法的优势在于对光照变化和运动模糊更鲁棒，因为特征描述子本身具有一定的光照不变性。ORB-SLAM系列就是特征点法的集大成者，它的跟踪、局部建图、回环检测三个线程并行运行，精度和鲁棒性都很好。但特征点法的缺点也很明显：特征提取耗时，在弱纹理场景下容易丢失，而且只能构建稀疏点云地图。

直接法的优势在于能利用所有像素信息，可以构建半稠密甚至稠密地图，在纹理丰富的场景下精度更高。DSO、LSD-SLAM是直接法的代表。但直接法对光照变化非常敏感，而且光度误差函数的非凸性更强，优化容易陷入局部极小值。

我的建议是：入门阶段先学特征点法，因为它的理论体系更成熟，调试工具更完善。等你对SLAM的整体框架有了感觉，再去研究直接法。

3.4 3DGS SLAM：SLAM领域的新范式

3D Gaussian Splatting（3DGS）是最近两年非常火的方向，它用一堆三维高斯椭球来表示场景，每个高斯有位置、协方差、不透明度和球谐系数等属性。渲染的时候把这些高斯投影到图像平面，做alpha混合，就能得到高质量的渲染结果。

3DGS SLAM就是把3DGS作为地图表示，替代传统的点云或者体素地图。这样做的好处是地图更紧凑、渲染质量更高、还能做新视角合成。但挑战也很大：3DGS的优化需要大量计算，实时性是个问题；而且3DGS地图的更新和回环修正不像传统地图那么直接。

目前比较有代表性的工作包括SplaTAM、Gaussian-SLAM等。如果你对这个方向感兴趣，建议先跑通原版3DGS的代码，理解它的渲染管线和优化过程，再去研究怎么把它嵌入SLAM框架。

4. 实操过程与核心环节实现

4.1 ROS环境搭建与第一个激光SLAM建图

假设你已经装好了Ubuntu 20.04，下面是从零开始跑通一个2D激光SLAM建图的完整步骤。

安装ROS Noetic：

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt install curl curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add - sudo apt update sudo apt install ros-noetic-desktop-full echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrc

安装gmapping和导航包：

sudo apt install ros-noetic-gmapping ros-noetic-navigation ros-noetic-teleop-twist-keyboard

启动建图节点。假设你有一个激光雷达发布在/scan话题上，里程计发布在/odom话题上：

rosrun gmapping slam_gmapping scan:=/scan

然后在rviz中添加LaserScan和Map显示，用键盘遥控机器人慢慢走一圈，你就能看到地图逐渐构建出来。

保存地图：

rosrun map_server map_saver -f ~/my_map

这会生成my_map.pgm和my_map.yaml两个文件，前者是地图图像，后者是地图的元数据配置。

4.2 关键参数调优与计算过程

gmapping的参数很多，但真正影响建图效果的就这么几个：

参数名	默认值	作用	调优建议
particles	30	粒子数量	场景大且复杂时增加到50-80
delta	0.05	扫描匹配的位姿变化阈值	减小到0.02可提高精度但增加计算量
linearUpdate	1.0	机器人移动多少米更新一次	减小到0.5可提高地图密度
angularUpdate	0.5	机器人旋转多少弧度更新一次	减小到0.2可改善旋转时的建图
maxRange	5.0	激光最大有效距离	根据实际雷达量程设置
sigma	0.05	扫描匹配的方差	雷达噪声大时适当增大

粒子数量的选择有一个经验公式：粒子数应该与地图面积和机器人位姿不确定性成正比。如果地图是100平米左右的室内环境，30个粒子通常够用。但如果环境中有很多相似的结构（比如长走廊），需要增加粒子数来避免粒子退化。

4.3 视觉SLAM十四讲配套代码实操

视觉SLAM十四讲是入门视觉SLAM最好的教材之一，但书中的代码需要自己配置环境。以下是我实际跑通的环境配置：

安装依赖：

sudo apt install cmake g++ git libeigen3-dev libopencv-dev libpcl-dev libceres-dev libg2o-dev

安装Sophus（李代数库）：

git clone https://github.com/strasdat/Sophus.git cd Sophus mkdir build && cd build cmake .. make -j4 sudo make install

编译并运行ch7的PnP求解示例：

cd slambook2/ch7 mkdir build && cd build cmake .. make -j4 ./pose_estimation_3d2d

这个示例演示了如何用3D-2D的匹配点对求解相机位姿。核心是构建重投影误差，然后用Ceres或者g2o做非线性优化。如果你跑出来的位姿和真值差距很大，检查一下特征匹配的质量，可以加一个RANSAC剔除误匹配。

4.4 从建图到自主导航的完整链路

建好地图只是第一步，让机器人在地图上自主导航才是最终目标。ROS的navigation包提供了完整的导航框架，包括全局规划、局部规划、代价地图、恢复行为等模块。

配置导航包的核心文件：

• costmap_common_params.yaml：代价地图通用参数，包括机器人半径、障碍物膨胀半径、传感器配置
• global_costmap_params.yaml：全局代价地图参数
• local_costmap_params.yaml：局部代价地图参数
• base_local_planner_params.yaml：局部规划器参数，包括最大速度、加速度、路径评分权重

启动导航：

roslaunch my_robot_nav navigation.launch

然后在rviz中用2D Pose Estimate设置初始位置，用2D Nav Goal设置目标点，机器人就会自动规划路径并移动过去。

实操中导航最容易出的问题是代价地图膨胀半径设置不当。膨胀半径太小，机器人会贴着墙走甚至撞墙；膨胀半径太大，狭窄通道会被完全堵死，规划不出路径。我的经验是膨胀半径设置为机器人半径的1.5到2倍比较合适。

5. 常见问题与排查技巧实录

5.1 建图过程中地图漂移怎么办

地图漂移是SLAM中最常见的问题，表现为建好的地图出现重影、墙壁变厚、回环处对不齐。原因通常有以下几个：

里程计精度不够。如果轮式里程计的标定不准确，累积误差会很快导致地图漂移。解决方法是重新标定轮子半径和轮距，或者引入IMU做融合。

回环检测失败。如果机器人回到了之前到过的位置但没有识别出来，误差就无法消除。可以尝试调整回环检测的搜索半径和匹配阈值。对于gmapping，可以增大linearUpdate和angularUpdate的灵敏度。

激光雷达安装位置不准确。如果TF树中激光雷达相对于底盘的变换有偏差，扫描匹配就会出错。用卷尺实际测量雷达的安装位置，确保TF配置中的平移和旋转参数准确。

环境特征太少。在长走廊或者空旷大厅中，激光扫描的几何特征不明显，扫描匹配容易退化。这种情况下可以考虑加入视觉信息或者反光板辅助定位。

5.2 视觉SLAM跟踪丢失的排查思路

视觉SLAM跟踪丢失通常发生在快速运动、弱纹理区域或者光照剧烈变化的时候。排查步骤：

1. 检查图像质量。在rviz或者image_view中查看相机图像，确认曝光是否正常、是否有运动模糊。
2. 检查特征点数量。ORB-SLAM会在图像上绘制提取到的特征点，如果特征点太少（少于100个），说明场景纹理不足。
3. 检查IMU数据。如果用了视觉惯性方案，IMU的偏置和噪声参数需要仔细标定。IMU数据异常会导致跟踪发散。
4. 降低运动速度。快速旋转是视觉SLAM最容易丢失的运动模式，因为帧间重叠区域太小。放慢速度通常能解决问题。

5.3 常见问题速查表

问题现象	可能原因	排查方法	解决方案
rviz中无激光数据显示	话题名不匹配	rostopic list查看实际话题名	修改launch文件中的话题映射
TF报错"Lookup would require extrapolation"	时间戳不同步	rosrun tf view_frames查看TF树	检查传感器时间戳，加ros::Time::waitForTransform
建图时地图抖动	扫描匹配不稳定	查看odom和laser的TF频率	降低机器人速度，增大粒子数
导航时机器人原地转圈	局部规划器陷入局部极小	查看局部代价地图	调整局部规划器参数，增加恢复行为
编译ORB-SLAM3报错	依赖版本不兼容	查看CMake错误信息	使用指定版本的OpenCV和Eigen
3DGS训练显存不足	高斯数量过多	nvidia-smi查看显存占用	降低图像分辨率，增加稠密化阈值

5.4 几个让我印象深刻的踩坑经历

坑一：ROS时间戳问题。有一次跑建图，地图每隔几秒就跳一下。查了两天才发现是激光雷达的驱动节点用了系统时间而不是ROS时间，导致TF变换的时间戳和激光数据对不上。解决方法是在驱动中统一使用ros::Time::now()。

坑二：OpenCV版本冲突。ORB-SLAM3需要OpenCV 3.x，但Ubuntu 20.04默认装的是OpenCV 4.x。直接编译会报一堆API不兼容的错误。我的做法是从源码编译OpenCV 3.4并安装到/usr/local，然后在CMake中指定路径。

坑三：3DGS SLAM的实时性。第一次跑SplaTAM的时候，每帧要优化好几秒，完全没法实时。后来发现是高斯数量增长太快，稠密化策略太激进。调整了稠密化阈值和修剪策略之后，帧率提升到了可接受的范围。

提示：SLAM的调试过程中，可视化工具是你的最好朋友。rviz、Foxglove、PlotJuggler这些工具能帮你快速定位问题。不要只盯着终端里的日志看，把数据画出来往往一目了然。

6. 进阶方向与学习资源推荐

6.1 值得深入研究的开源框架

当你跑通了基础的建图之后，下一步就是阅读优秀开源项目的源码。以下是我认为最值得花时间研究的几个：

• ORB-SLAM3：视觉SLAM的标杆，支持单目、双目、RGB-D和IMU融合，代码结构清晰，适合学习完整的SLAM系统架构。
• LIO-SAM：激光惯性紧耦合方案，基于因子图优化，适合学习多传感器融合的工程实现。
• Cartographer：Google开源的2D和3D建图方案，工程化程度极高，适合学习工业级SLAM系统的设计。
• VINS-Mono：视觉惯性里程计，香港科技大学开源，适合学习VIO的滑动窗口优化。
• SplaTAM：3DGS SLAM的代表工作，适合了解SLAM与神经渲染的结合。

阅读源码的时候，不要试图一次看懂所有文件。我的方法是先跑通demo，然后从main函数开始，沿着数据流一步步跟踪，画出模块之间的调用关系图。遇到不懂的函数就查文档或者看论文，慢慢就能把整个系统串起来。

6.2 数学基础补强建议

SLAM涉及到的数学知识比较多，但不需要全部学完再开始。我建议采用"用到什么学什么"的策略：

• 线性代数：重点掌握矩阵分解、特征值、最小二乘。推荐MIT的18.06课程。
• 概率论：重点掌握贝叶斯公式、高斯分布、马尔可夫链。推荐《概率机器人》前几章。
• 非线性优化：重点掌握高斯牛顿法、LM算法、图优化。推荐《视觉SLAM十四讲》第6章和第9章。
• 李群李代数：这是SLAM中比较抽象的部分，但理解了之后会发现它其实就是描述旋转和平移的数学工具。推荐Barfoot的《State Estimation for Robotics》。

6.3 保持学习动力的几个建议

SLAM的学习曲线确实陡峭，我见过太多人中途放弃了。几个实用的建议：

第一，不要追求一次学透。第一遍看不懂很正常，先跑通代码，有个感性认识，再回头啃理论会容易很多。

第二，找一个具体的项目做驱动。比如让你的机器人自动巡逻、让无人机自主飞行，有了明确的目标，学习效率会高很多。

第三，加入社区多交流。ROS Answers、GitHub Issues、各种SLAM技术群，遇到问题不要自己死磕，问出来往往很快就能解决。

第四，定期复盘和记录。我现在还保持着写学习笔记的习惯，每次解决了一个bug或者理解了一个新概念，就记下来。过一段时间回头看，能明显感觉到自己的进步。

这个方向后续还可以往语义SLAM、神经辐射场SLAM、多机器人协同SLAM等方向扩展。但不管往哪个方向走，基础打牢了，上层的东西都是触类旁通的。