第44章：前沿精读——新一代SLAM系统（第45-46，2周周）¶
教学目标：精读2022-2024年代表性的新一代SLAM系统，理解现代C++17特性、极简设计理念、多传感器紧耦合融合和GPU加速在前沿项目中的实际应用。
精读项目：
-
KISS-ICP（⭐2.1k，C++17）——极简设计的教科书。整个核心库
kiss_icp/约2000行C++代码实现了完整的LiDAR里程计（包括体素哈希地图、自适应阈值、点到点ICP、去畸变）。standalone+ROS wrapper完全分离——核心库是纯CMake target，ROS wrapper作为独立包调用核心库API。VoxelHashMap使用tsl::robin_map（比std::unordered_map快2-3倍）管理体素，AddPoints通过std::move避免百万级点的深拷贝。pybind11提供完整Python API用于算法原型验证。C++学习重点：std::optional<Eigen::Vector3d>表达"可能不存在"的体素质心、结构化绑定auto [voxel, inserted] = map.emplace(key, points)。 -
Lightning-LM（⭐1.3k，C++17）——生产级模块化SLAM架构。双模式设计（SLAM模式建图+定位模式在已有地图中定位），基于AA-FasterLIO前端+iVox+ESKF。自研"miao"轻量图优化库（源自g2o简化版，去除动态类型注册的复杂机制）。地图分区动态加载（LRU策略管理内存——只在内存中保持当前活跃区域的分区）。C++学习重点：模块化架构设计（前端/后端/地图管理/传感器适配各为独立模块）、OpenMP+TBB并行化、纯CPU 0.8核即可实时定位。
-
FAST-LIVO2（⭐3.8k，C++14）——多传感器紧耦合的最高水平开源实现。ESKF三传感器顺序更新（IMU→LiDAR→Camera），19-DOF状态向量（
StatesGroup包含SO3旋转/位置/速度/偏置/重力），SophusSE3d处理李群运算。PCL+OpenCV交互的最佳案例：从ikd-Tree选取地图点→通过ESKF估计的R/t变换到相机坐标系→内参矩阵投影到2D像素→在投影处提取图像patch计算光度误差。OpenCV仅用于initUndistortRectifyMap/remap去畸变，核心的patch warp和亚像素双线性插值全用Eigen自实现。C++学习重点：sync_packages()三传感器数据同步、deque+统一mtx_buffer缓冲区管理、ESKF顺序更新的Eigen矩阵实现。 -
GLIM（⭐1.5k，C++17）——GPU加速+插件架构的现代SLAM。GTSAM因子图+
gtsam_points库提供GPU加速配准因子。插件架构允许运行时通过dlopen动态加载GPU模块——如果没有GPU自动回退CPU版本。支持全局回调插件机制（外部代码可注册回调函数在SLAM关键事件触发时执行）。C++学习重点：dlopen/dlsym动态加载共享库（C++插件系统的底层机制）、GTSAM GPU因子的使用方式、AVX指令优化。
第十部分：ROS2工程化实践（第47-51周）¶
定位：Ch31 建立了 ROS2 核心运行时概念（Lifecycle/Composition/QoS/Executor/tf2/DDS），本部分在此基础上深入 ROS2 的工程实践层——从设计哲学理解、构建系统掌握、机器人建模、生态工具使用，到硬件集成与部署调试。