学习线路图
1. python基础¶
不管有没有编程基础的童鞋， 我都推荐大家先去学Python ，Python像一把瑞士军刀， 你可以用他干很多东西，比如自动回复邮件、自动收集信息。
Python又非常简单容易理解。只要把解决问题的过程想明白，很容易就能转化成对应的代码。
python基础包含，算数运算符，变量， 输出和输入，条件语句，循环，元组，字典等知识点，熟悉常用的控件， 文本标签，编辑框，按钮，布局，信号，槽等技术。
后面高级的课程， 人工智能，自动驾驶，机器人操作系统需要熟练掌握c++计算， 有python基础的同学，再去对比学习c++就会变得非常容易上手。
很多学员是零基础的 ，学习 python 后，可以做出来简单的学生管理系统，火车票查询系统。
2.面向对象¶
python是一门面向对象的语音，面向对象是重要的编程思想，接下来我们通过飞机大战、坦克大战这种经典的游戏来让大家掌握面向对象的思想。
看看第二周，大家的成果吧。
3. 高等数学¶
线性代数的重要性需要特别强调。一般来说，优秀的工程师和科学家在职业生涯中一定要掌握高等数学，线性代数，梳理统计，矩阵的乘法、向量的乘法、向量的内积、变化率的求导、概率论和极限。要想掌握机器视觉和人工智能， 成为年薪30万以上的工程师， 懂高等数学和线性代数，这是必备基础。
看看第三周，大家的成果。
综合运用矩阵运算，反向传导，梯度下降，实现小车的自动驾驶， 这是深入理解人工智能课程的基石。
大学一年级的基础课程， 掌握这么多就差不多了。
到这里
你已经成长成为
一个初出茅庐的新兵
可以准备进入
智能机器人软件工程师
开发的大门了
机器人领域四大问题
- 感知。视觉传感器、图像传感器、激光雷达、各种传感器技术。
- 规划。人工智能、知识表达、路径规划、任务调度、机器学习等。
- 行动。运动学、动力学、开环控制，闭环控制、pid控制等。
- 数学基础。最优估计、微分几何、概率论等。
4.Linux¶
IT行业的程序员都会争论高级语言和低级语言哪个好，Linux和Windows哪个好，而对于机器人工程师来说，我们是工程师，语言和操作系统都是工具， 哪个工具最顺手，我们就要优先学习哪个工具。从现在到可预见的未来里，Linux是机器人软件工程师最好的操作系统。原因是机器人操作系统ROS是基于Ubuntu开发的，在Ubuntu上运行最稳定。虽然window10 投入巨资打算支持ros， 但是目前来讲ubuntu是我们最好的选择。
学习掌握装ubuntu操作系统，掌握shell脚本编程，双系统安装方法，自主解决各种显卡，网卡驱动，Linux内核问题。
5. c++实战编程¶
python我们说是瑞士军刀，但是真要去造机器人，合适的工具并不是瑞士军刀，而是C/C++这样简单粗暴的锤子和螺丝刀般的工具。
工具最重要的是如何去使用， 我们用大量的案例，来教大家，带大家去使用工具。我们课程类比讲解python和c++的异同点， 短期内让大家掌握，clion开发环境，变量和常量，数组和Vectors，操作符和流程控制，字符和字符串处理 函数，Characters and Strings，Functions，指针和引用，OOP -面向对象，操作符重载，继承，封装，智能指针，异常处理，IO和流 ，boost，STL模版技术等c++核心技能。
学习目标 ：
c++和python融会贯通，学生可以自己编译c++工程为库文件，用python去调用c++代码。python写业务逻辑简洁明了，c++做核心算法，整洁高效。
6.cmake和makefile实战¶
c语言和c++语言从诞生到现在已经有几十年了， 很多前辈程序员写出了大量经典的框架和工具集， 学习编译工具理解Github存在的意义， 让前辈的代码融入到我们的工程中。
学习目标 ： 学生能自主编译opencv， FFmpeg， pointcloud等经典c++项目， 并引入到自己工程中。
7.机器人操作系统ROS¶
ROS（ Robot Operating System，机器人操作系统）诞生于2007年，并很快在机器人研究领域掀起了ROS开发与应用的热潮，目前已经成为机器人领域的网红。
谷歌、亚马逊、微软等众多知名公司已经广泛使用ROS系统，熟练掌握ROS操作系统，已经成为机器人开发的重要一环， 猎聘网上搜索ROS关键字， 大多数岗位起步月薪到达到1.5~2万元。
学习目标：熟练使用pid原理， 联合使用c++和Python语言，完成扫地机器人的开发。
8. 机器人学 & CobotSys¶
多自由度的机械臂的难点在于机械臂的运动学正反解、运动学控制和动力学控制，是一个建模分析和数值算法实现的问题。六关节机械臂工作原理，机器人坐标系，坐标变换与旋转矩阵，欧拉角四元数，机器人的DH表达，机器人关节空间与笛卡尔空间转换，机器人的正解和反解，这些都是属于机器人学的最基本的问题。
ROS在消费级领域应用比较多，但是在条件苛刻的工业级场景里面较少使用，CobotSys 库柏特操作系统是有大规模工业场景落地的操作系统，通过实战学习工业场景机器人的落地。
学习目标： 熟练掌握机器人学关键知识点，可以进行正解和反解的推导和运算。
9.相机成像和驱动¶
相机是机器人的眼睛，我们要学习不同相机的成像原理，不同光源对成像的影响，结构光相机，双目相机和普通rgb相机的使用场景，相机下位机程序的编写，相机驱动的编写等内容。
学习效果：
相机测距仪
10.机器视觉OpenCV¶
视觉是人类最为重要的感觉。要赋予机器人智能，第一步就是给机器人赋予视觉，随着科学技术和计算机计算的不断发展，主要解决视觉问题的图像处理系统得到了长足的发展，涌现出许多优秀的框架，OpenCV是其中的代表。这一周课程学习图像卷积模糊、边缘梯度计算，一阶导数算子与二阶导数算子的运算，自定义滤波、高斯与椒盐噪声图像生成与图像去噪声增强，掌握直方图对比与反向投影技术，模板匹配等技术
学习效果：
自动驾驶，车道线识别。
11. 3D视觉¶
2d的照片丢失了一个维度的数据，在某些特殊应用场景下，不能满足开发的需求，我们要引入3d的相机来进行更准确的识别，3d相机使用的技术包含，点云模型，pcl，点云数据的读取保存和可视化，点云的拼接，点云的矩阵变化，点云滤波，直通滤波，平面滤波，点云条件去除与轮廓去除，上采样和下采样，点云对齐，分割，拟合，2d与3d配置，传感器融合等。
学习效果：
12. 深度学习实战¶
深度学习是目前很火的技术，但是大多数教程都是偏理论部分的，学完很难应用到真实的业务场景里面，我们采用目前最主流的深度学习框架，最新版（tensorflow2.0），讲解深度学习和卷积神经网络， 深度学习做重要的是组织数据集，评估模型和改善模型，这几块内容会作为我们课程的重点内容讲解。
学习效果：
生活垃圾分类，交通标志识别，人类表情感情识别等。
13.SLAM¶
SLAM是Simultaneous localization and mapping缩写，意为“同步定位与建图”，主要用于解决机器人在未知环境运动时的定位与地图构建问题，我们课程会讲解slam算法原理，坐标变换与实时构图的过程，最终利用生成好的地图文件，完成AGV小车或者扫地机器人的自主导航
学习效果：
14. 综合项目实战-机器人写字¶
项目简介
人手写数字，通过机器视觉识别数字的图像，让机器人模仿写出对应的数字。
项目特色
1、准备数据集
2、深度学习训练数据集
3、机器视觉获取图像和图像处理
4、识别数字，根据轮廓生成机器人运动轨迹，控制机器人写出数字
15. 综合项目实战-机器人无序分拣¶
项目简介
在料框中，随机放置着若干相同类型的盒子，机器人需要逐个拾取盒子，并将盒子按照指定要求，重新摆放。
项目特色
1、2D图像处理
2、机器视觉和机器人学的综合应用
3、3D点云处理
4、基于深度学习的物体分类与检测
5、运动规划
6、RCNN；Mask RCNN；多目标检测
7、视觉定位
16. 综合项目实战-机器人跟随¶
项目简介
机器人识别跟随嫌疑人，自主导航避障，跟随嫌疑人。
项目特色
1、深度学习工具包使用
2、数据集采集
3、数据集分析
4、小车控制等。
