changh95/slam_lecture_codes

해결하는 문제

SLAM(동시적 위치 추정 및 매핑) 학습은 C++, 컴퓨터 비전, 포인트 클라우드 처리, 최적화, 센서 융합을 결합하기 때문에 어렵습니다. 이 저장소는 학습자에게 구체적이고 실행 가능한 코드 연습을 제공하며, 두 FastCampus 강의 시리즈를 따라가면서 비디오를 보는 대신 개념을 연습할 수 있게 합니다.

작동 방식

저장소는 두 개의 주요 코스 폴더로 구성됩니다. 첫 번째는 포괄적인 제로투히어로 SLAM 코스로, C++ 및 Python 기초부터 3D 기하학, SLAM 프론트엔드(특징 검출, 추적, 포인트 클라우드, ICP) 및 백엔드(그래프 최적화, 번들 조정), 그리고 고급 AI 통합 SLAM 및 하드웨어 최적화까지 진행합니다. 두 번째 코스는 자율 주행에 초점을 맞추며, 유사한 주제를 다루지만 컴퓨터 비전, LiDAR 처리, 센서 융합, 그리고 ORB-SLAM 및 Cartographer와 같은 최종 프로젝트에 더 중점을 둡니다. 각 장에는 이론 섹션과 OpenCV, Eigen, Ceres, PCL, ROS와 같은 라이브러리를 사용하는 실습 코드 예제가 있습니다. 저장소는 또한 이러한 라이브러리 중 다수가 사전 설치된 기본 Docker 이미지를 제공합니다.

대상 독자

실용적인 코딩을 통해 SLAM을 배우고자 하는 학생, 개발자, 연구자. FastCampus 강의를 따르는 사람들에게 특히 유용하지만, 기본 프로그래밍 지식이 있는 사람이라면 누구나 연습을 통해 SLAM 기술을 구축할 수 있습니다. 콘텐츠는 초보자 친화적인 C++/Python부터 GPU 가속 및 최신 SLAM 시스템과 같은 고급 주제까지 다양합니다.

하이라이트

• 두 개의 완전한 코스 트랙: 완전한 제로투히어로 SLAM 시리즈와 전용 자율 주행 시리즈
• 모든 주요 SLAM 주제를 다루는 60개 이상의 실습 코드 연습
• 실제 라이브러리 사용: OpenCV, Eigen, Sophus, Ceres, g2o, GTSAM, PCL 등
• 모든 주요 라이브러리가 설정된 기본 Docker 이미지 포함
• 고전 및 현대 SLAM을 모두 다루며, AI 통합 방법(NeRF, Gaussian Splatting) 및 하드웨어 가속(CUDA, SIMD) 포함
• 자율 주행, 드론, 로봇, AR/VR과 같은 시나리오에서의 최종 프로젝트