视觉导航算法专业主要学习以下内容：

数学基础

线性代数：理解向量空间、矩阵运算、线性变换等。

微积分：掌握导数、积分、偏导数等概念。

概率论与统计学：理解随机现象、概率分布、参数估计等。

编程语言

至少掌握一门编程语言，如Python、C++等，用于算法实现和数据处理。

计算机视觉基础

图像处理：图像滤波、增强、去噪等。

图像分割：阈值分割、区域生长、边缘检测等。

目标检测：基于传统方法和深度学习的检测算法，如Haar、YOLO、SSD等。

物体跟踪：光流法、均值漂移、卡尔曼滤波等。

三维重建：从二维图像恢复三维结构，如双目立体视觉、结构光扫描等。

深度学习算法

卷积神经网络（CNN）：用于图像分类、特征提取等。

循环神经网络（RNN）：处理序列数据，如时间序列分析。

生成对抗网络（GAN）：用于图像生成、数据增强等。

强化学习：用于决策和控制，如自动驾驶中的路径规划。

这些课程内容涵盖了视觉导航算法所需的理论基础和实际应用技能，帮助学生掌握从图像处理到复杂决策控制的全方位知识。建议学生根据自身兴趣和职业规划，选择相应的课程进行深入学习。