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。