1.1 要学习什么内容
SLAM (Simultaneous Localization and Mapping) —— 同时定位与地图构建
理论与实践：理论背景，系统架构以及各个模块的主流做法。
理解：搭载特定传感器的机器人，在没有环境先验信息的情况下，在运动过程中实时建立环境模型，同时估计自己的运动。传感器主要为相机，称为"视觉SLAM"。
当用相机作为传感器，要做的就是根据一张张连续运动的图像(它们构成一段连续的视频)，从中推断相机的运动，以及周围的环境情况。
需要阅读的相关书籍：《概率机器人》、《多视图几何》以及《机器人学中的状态估计》。
会用到的C++库：Eigen、OpenCV、PCL、G2O、Ceres以及sophus。
熟悉C++、Linux、高等数学、概率论、线性代数。
14讲的内容安排：
第一部分：数学基础——1到6讲
第二部分：SLAM技术——7到14讲
如下图：
14讲的代码：https://github.com/gaoxiang12/slambook2
习题：(基本知识自测) 整理的不够好，回头再完善。
1.线性方程Ax = b，若已知A，b，需要求解x，该如何求解？这对A和b有哪些要求？（从A的维度和秩的角度来分析）
参考这个视频来理解。从维度的角度和秩的角度。至于求解的方法，那就比较多了，这里不赘述。
看完了视频也理解了，那么就把结论写下来记录下吧；
- r(A)<r(A|b)，则无解。
- r(A)=r(A|b)，有解。当r(A)=r(A|b)=n(未知数个数)—>唯一解；当r(A)=r(A|b)<n(未知数个数)—>无穷解。
- 不理解就直接打开上面链接看视频。
2.高斯分布是啥样的？它的一维形式是什么样子？高维形式是什么样子？
https://www.bilibili.com/video/av55827033?from=search&seid=16220576020637487895
这个链接讲了一维高斯分布是怎么推导出来的。这个讲的很清楚。
https://www.cnblogs.com/jermmyhsu/p/8251013.html
高斯分布的高维形式。从二维高斯分布切入会比较好理解一些。上面那个链接从简单的二维切入。
这和简单的二维并不具备太强的代表性，以后补上更general的答案(推导过程)。暂时只能说能力不足。
http://jermmy.xyz/2017/03/19/2017-3-19-covariance-matrix/
增加一下协方差矩阵的推导。
想一想雅可比矩阵和海塞矩阵。