一：程序基础
二：数学基础
三：SLAM
四：传统图像处理
五：机器学习以及深度学习
六：参考资料
一：程序基础
考察C++、数据结构
- 多线程的了解
- stl有什么？
- vector扩充方式，size与capacity区别
- 顺序存储结构有哪些？
- 左值引用与右值引用
- map与unordered map区别
- const与static、const在函数前与函数后区别
- 虚函数与纯虚函数区别，虚函数关键字
- 函数memcpy 、memset的实现，手撕代码
- 一行代码求平方根
- 各种排序时间空间复杂度（快排，归并，桶排，堆排），手撕代码
- 二叉树排序、堆排序、希尔排序、桶排序时间复杂度（重要！因此重复）
- 最长公共子串、最长公共子序列，手撕代码
- 树的DFS与BFS、树的遍历，手撕代码
- 对于n个实例的k维数据，建立kd tree的时间复杂度
- 哈夫曼树带权路径长度、哈夫曼编码
- 长度为n的list，删除、插入与随机访问的计算复杂度
- 字符串子串数目
- 三维空间最近邻搜索的常用数据结构（八叉树、kd tree）
- HashMap和Hashtable的比较
- 在一个二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数
10的答案（张同学的同学很给力）。放到10下面11就变成1了=_=，因此放到最后。
import math
print([n for n in range(2,X) if 0 not in [n%d for d in range(2,int(math.sqrt(n))+1)]])
如果import不算的话…
二：数学基础
考察概率论、线性代数、矩阵分析、数值优化
- 一层楼共有n级台阶，一次可以上至少一级但不超过m级台阶，求有多少种不同的上楼方案数。由于结果可能很大，你只需要输出结果对10007取模的值即可
- 拟合二维平面中的带噪声直线，其中有不超过20%的样本点远离了直线，另外80%的样本点可能有高斯噪声的偏移，要求输出为ax+by+c=0的形式，其中a>0且a^2+b^2=1
- 切比雪夫不等式、协方差与相关系数、各种分布、多元高斯分布
- 线性回归推导回归系数（y=kx，y=kx+b）
- 甲乙两人约好在某地碰面，时间段为10点到11点。若甲先到，最多会等待10分钟，10分钟内乙未出现则离开；若乙先到，最多会等待15分钟，15分钟内甲未出现则离开，请问两人见面的概率是多少？
- ABCDE5个人互相传球，由A开始第一次传球，经5次传球最后回到A的手上，其中A与B不会互相传球，C只会传给D，E不会传给C，共有多少种传球方法？
- MLE、MAP和贝叶斯估计
- MLE，MAP，EM 和 point estimation 之间的关系是怎样的？
- 如何求解Ax=b (非迭代Cholesky分解、QR分解，迭代)
- 最小二乘封闭解与迭代解的取舍
- 梯度下降法、牛顿法、GN、LM，推导、优缺点
- 如何判断点在多边形内
- 一阶、二阶优化，Jacobian、hessian矩阵
- 1000个数的阶乘，求有多少个0
- 递推法求数学期望，反证法，数学归纳法等
三：SLAM
这部分除了3D视觉基础会结合个人研究方向问，对于泛泛的问题尽量发散
- landmark参数化方式、对比，逆深度参数化；点线面因子图优化
- 滤波+回环（Trifo-VIO）
- outlier+鲁棒核、RANSAC
- EKF更新方程
- AR系统如何实现
- 介绍下VO
- Gridmap（网格标0、1）给定起点和终点，求最优路径（A*或其他路径规划算法）
- 相似变换、仿射变换、射影变换的区别
- E和F的区别，自由度计算
- 单应矩阵H的求取
- PNP算法、ICP算法（二维码、手眼标定）
- 闭环检测常用方法（orb、lsd、深度学习）
- 单目的初始化（拓展：双目，RGBD，VIO的初始化及传感器标定），其他：
- https://github.com/frobelbest/GSLAM
- 简述一下Bundle Adjustment的过程
- SVO、LSD中深度滤波器原理
- 说一说某个SLAM框架的工作原理（svo、orb、lsd）及其优缺点，如何改进？
- RANSAC的框架
- 位姿不同表示间的相互转化、旋转矩阵特征值和特征向量物理意义
- 真实世界到相机照片的变换可看成射影变换
- 直接法与特征点法的优缺点对比
- 常见滤波方法的对比（KF、EKF、IEKF、UKF、PF）
- 双目测距范围Z=fb/d。问题： 640*480，fov＝90°，zmax＝10m，最小视差为2，求使zmax稳定的最小基线长度（6.25cm）
- 特征点法与直接法误差模型、Jacobian推导
- 光流的假设、仿射变换、4种方法，svo采取的方法，优势何在
- MSCKF与ROVIO、MSCKF与预积分
- 边缘化方式原理
- grid_map
-
计算机视觉life总结的： 5、SLAM后端一般有两种方法：滤波方法和非线性优化方法，这两种方法有什么优缺点？
6、单目视觉slam中尺寸漂移是怎么产生的？有什么解决办法
7、直接法估计相机位姿时，并不需要 提取特征点，而是通过优化匹配点的像素值误差（也称光度误差）估计位姿，但也会面临快速运动，光照变化等的挑战，如果让你改善该问题，你会采用哪些方法来提高跟踪质量(精度，速度，鲁棒性等)？
8、什么是PnP算法？请用你的语言描述一下原理，它一般用在什么场景，解决什么问题？
。。。
此外，我们平时在SLAM的学习工作中也会遇到一些问题，我总结了一些常见的问题，也一并列在这里，并给出了答案（见知识星球）
9、 我们知道相机的内参有 fx, fy, cx, cy, 畸变参数(只考虑k1, k2)，相对世界坐标原点外参T。如果我们现在对相机拍摄的图片进行2倍的下采样，那么这些参数会如何变化？
10、我们知道双目相机两个相机光心的间距我们 称之为 baseline。如果双目相机baseline比较大，我们称之为wide baseline.现在某代码中使用一个单目相机进行SLAM过程，在特征匹配时资料中提到了wide baseline，请问这个wide baseline怎么理解？
11、RGB-D相机我们知道可以直接输出 RGB + depth两张图比如我们常见的Kinect 是结构光原理，包括一个彩色相机，一个红外发射器，一个红外接收器。另外，Intel的Realsense系列RGB-D相机也非常常用，比如下面Realsense D415，官网说是Active IR stereo，也就是双目深度相机，这个双目和我们平时说的双目有何不同？为什么有如下四个孔？
12、我们在阅读文献或者代码中误差相关时，经常可以看到一个概念，叫逆深度（inverse depth）。也就是深度的倒数，那么同学们有没有想过，为什么使用逆深度误差而不是深度误差？
13、我们在看SLAM相关论文的时候，会遇到一个词“kidnap”， 直译过来就是“绑架”，不了解的同学可能感觉怪怪的。你知道这个“绑架”是什么意思吗？可以用哪些方法解决这样的问题？
14、我们知道（不知道的话，去查一下十四讲）用g2o和ceres库都能用来进行BA优化，这两者在使用过程中有什么不同？
15、SLAM中回环检测（闭环检测）的目的是什么？简述一下SLAM中可以使用的回环检测方法？
16、SLAM中为什么要引入李群李代数？
17、为什么SLAM中常用LM算法而不是高斯牛顿求解优化问题？
18、讨论一下SLAM应用场景及落地的问题。大家觉得SLAM技术最适合的应用场景是什么？在哪个场景能够最快技术落地呢？
19、大家都是SLAM方向的研究者，不管是学生还是已经工作，以后都面临找（换）工作的问题，那么你知道哪些做SLAM技术的公司？
20、什么是ICP 算法？简述一下算法原理，SLAM中一般什么情况下会使用该算法？
https://github.com/ANYbotics/grid_map
四：传统图像处理
- 图像平滑算子、边缘检测算子
- 图像去噪滤波算法（高斯、均值、双边、Guide filter）
- 三个度量patch相似度的方法（SSD、SAD、NCC）
- 二进制描述子
- 计算描述子距离函数
- 描述一下SIFT或者SURF特征检测、匹配
- SIFT的4个不变性
- 特征点、描述子ORB、SIFT、SURF、BRIEF等等 。geometric invariance：平移，旋转，尺度……; photometric invariance：亮度，曝光……
- Mat实现、Mat类指针引用复制函数
- 颜色直方图统计，手撕代码
- 形态学操作，手撕代码
- 积分图，手撕代码
- 连通区域算法，给二值图，求出最大联通区域（用深度优先和广度优先算法，手撕代码）
- Mser、Swt检测
- 图像分割（Grabcut）
- 目标跟踪（相关滤波KCF）
五：机器学习以及深度学习
这部分会很随意，根据项目
- IOU、NMS，手撕代码
- Kmeans伪代码
- SVM的优缺点
- 随机森林的训练过程
- 优化方法SGD、Batch GD、Adadelta、Momentum对超参数的敏感程度
- CNN中feature map维度计算、图中每一个特征点在原图的感受野大小
- Segmatch
- 目标分割、目标检测（one stage、two stage），YOLO三代的发展，小目标检测
- 模型压缩与加速 mobilenet v1、mobilenet v2、shufflenet
https://github.com/memoiry/Awesome-model-compression-and-acceleration
六：参考资料
大疆算法工程师笔试（计算机视觉部分）
https://wenku.baidu.com/view/9aacf48ea21614791611282a.html
网易3D视觉方向
https://www.nowcoder.com/test/10780247/summary
谢晓佳学长“SLAM求职经验帖”
http://paopaorobot.org/bbs/read.php?tid=87&fid=7
http://paopaorobot.org/bbs/read.php?tid=88&fid=7
VO、SLAM、VIO基础论文
VO
rpg.ifi.uzh.ch/visual_o
《VO_Part_I_Scaramuzza》、《VO_Part_II_Scaramuzza》
光流
《Lucas-Kanade 20 Years On: A Unifying Framework》
图优化SLAM
《A Tutorial on Graph-Based SLAM》
《g2o: A General Framework for Graph Optimization》
参数化
《Impact of Landmark Parametrization on Monocular EKF-SLAM with Points and Lines》
边缘化
《Null-Space-based Marginalization》
VIO
《Quaternion kinematics for the error-state Kalman filter》
《Information Sparsification in Visual-Inertial Odometry》
其他常见SLAM、VIO系统相关论文（结合自己研究方向）
综述性质论文
下面第一篇论文总结了如下几点，感觉总结的很好
- 数据关联
- 初始化
- 位姿估计
- 地图生成
- 地图维护
- 失效恢复
- 回环检测
《Keyframe-based monocular SLAM: design, survey, and future directions》
《Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age》
《Visual Place Recognition: A Survey》
《Simultaneous Localization and Mapping: A Survey of Current Trends in Autonomous Driving》
《Visual SLAM and Structure from Motion in Dynamic Environments: A Survey》
《A Benchmark Comparison of Monocular Visual-Inertial Odometry Algorithms for Flying Robots》
《GSLAM: A General SLAM Framework and Benchmark》
https://github.com/zdzhaoyong/GSLAM
《Survey on Computer Vision for UAVs: Current Developments and Trends》
《Semantic mapping for mobile robotics tasks: A survey》
《A Review on Deep Learning Techniques Applied to Semantic Segmentation》
《Deep Learning for Generic Object Detection: A Survey》
轨迹评估算法
https://github.com/MichaelGrupp/evo
https://github.com/raulmur/evaluate_ate_scale
ROVIO
SVO
《A Tutorial on Quantitative Trajectory Evaluation for Visual(-Inertial) Odometry》
VO、SLAM、VIO参考书籍
《SLAM十四讲》、《因子图在SLAM中的应用》
《state estimation for robotics》
《An Invitation to 3D Vision》、《Multi View Geometry》
深度学习参考
《解析卷积神经网络——深度学习实践手册》 lamda.nju.edu.cn/weixs/
《神经网络与深度学习》 nndl.github.io/
Shirley Snow 刘同学总结
https://zhuanlan.zhihu.com/p/42807023
《AI算法工程师手册》
https://zhuanlan.zhihu.com/p/63638229
本文转自 微信公众号：计算机视觉life
7430
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
