SLAM学习

SLAM学习

其实SLAM的学习也有很长一段时间了，不过因为自己的偷懒后拖延症，导致整整一个学期下来也没有出点成绩，所以决定给自己一点压力吧，每天都更新博客证明自己确实在做东西。SLAM虽然看起来是个小领域，但是实际上涉及面非常广，下到硬件开发，驱动开发，再到图像处理，点云处理，投影几何等等，另外一些基础的东西也是必需的，包括熟练的C++、概率相关数学、投影几何相关数学，至于更基础的矩阵、微积分等则不再多言。所以正如某个大牛说的一样，选择slam就是选择了困难模式的研究生生涯，然而，已经选择，无法回头了啊喂摔。

因为是困难模式，所以整个框架涉及的面比较大。难点就在于，小坑被填得差不多了，大坑又填不上，这让人很忧桑。具体研究点请看传送门http://www.cnblogs.com/gaoxiang12/p/4395446.html下图就是其复杂度的示例。

最初打算从图优化的信息矩阵下手，发现暂时无从下手，只好先把整个架构再梳理一遍，从特征点匹配开始，包括点云变换，PCL的掌握，opencv的使用（打算专注于点云匹配而非单纯的图像匹配），闭环检测据说机器学习比较好，但是这个坑太大暂时不考虑入坑。后期的图优化g2o已经做得很好了，但是信息矩阵并没有考虑，所以可以考虑做做看。别的暂时没有考虑清楚，后期再补充吧。

​