SLAM知识体系总结与个人入门线路分享

/*

        截止今日终于粗略地读完了高翔的《视觉SLAM十四讲》（入门第一步！），其中一些方法、优化、以及编程实践都还没有学习。不过对SLAM也算大体有了一些认知，对学习路径也有了一定的规划，在这里通过经典视觉SLAM框架，和大家分享一些经典入门书籍与个人认为比较好的课程。

         以下规划了11个需要学习的知识体系，并给出入门书籍或课程。其他还有许多小点没有列举出来，只有大内容被罗列了出来，每一项都需要花时间去了解。

*/

经典SLAM框架：

传感器数据：

                （1）多传感器融合、传感器选型

                        VINS-Mono

前端 视觉里程计：

                （2）图像处理、特征描述子、特征匹配

                        《数字图像处理》冈萨雷斯

                （3）几何方法

                        《计算机视觉中的多视图几何》

后端 （非线性）优化：

                （4）概率滤波

                        《概率机器人》

                （5）非线性优化

                         最优化、非线性优化方法

                        《机器人感知 因子图在SLAM中的应用》

建图：        

                点云PCL库、三维重建

回环检测：

                   词袋模型

                （6）机器学习

                          机器学习课程 吴恩达

                          清华大学-数据挖掘：理论与算法   袁博 

                                这门课讲的超级好！清晰简单，十大机器学习算法都可以学到。

                        《机器学习》（西瓜书）周志华

SLAM归属范畴

计算机视觉：

                （7）深度学习

                        计算机视觉与深度学习 北京邮电大学 鲁鹏

                                很全面很基础，学完后 对CV研究方向和经典网络架构都会有了解

机器人：

                （8）导航和路径规划

                        打算自己看看论文，公开课和综述

                （9）ROS

                        涉及编程方面应该有很多教程

工程

                （10）C/C++、Linux、工程技巧

                        C++各种库

                        ORB-SLAM2复现

科研

                （11）论文追踪、阅读、撰写

                        多传感器融合SLAM   偏工程

                        语义SLAM   偏学术研究

                        导航与路径规划   偏移动机器人

总结

                （1）机器学习、深度学习

                        在b站看个三四门课，稍微读读书，各个算法不懂再分别研究研究就差不多了

                        有个大框架简单了解大概一个月就可以

                （2）图像处理、几何方法、概率滤波

                        《数字图像处理》《概率机器人》《计算机视觉中的多视图几何》

                        三本硬书，每本要真的从头到尾肯下来都各要一个月！

                        不读博士其实不建议硬啃，虽然读完真的会收获一个完整基础知识框架，对之后SLAM学习帮助很大，但是很浪费时间，可以先跳过，有时间和有心情再学，不然就用到啥学啥就好了

                （3）非线性优化

                        我觉得非线性优化还是挺重要的，但是了解简单方法和图优化就好了，应该一周就能入门，知道怎么用库就好了。因为我个人不太擅长优化，所以之后打算去听听最优化理论的网课，大概一个月听完。

                （4）多传感器融合

                        重点技术，找工作必需，打算先好好学学VINS-Mono。也有和语义信息结合的研究之后可能会把这个作为自己的研究方向，就是不知道设备好不好卖...学习时间应该会排在实现 ORB-SLAM2之后，应该会挺久的

                （5）导航和路径规划

                        因为个人想把SLAM研究范围定在移动机器人领域，所以导航和路径规划应该会了解一下，但是不会太深入，常见算法还是要实现一下的，基于SLAM的导航也很有学习的价值。读文献之类的大概一周到两周就能了解理论。

                （6）C/C++、Linux、ROS

                        SLAM说到底是工程技术，同时为了未来更好找工作，编程能力必不可少，在整个学习过程中，在学习理论的同时都应该有计划地学习编程，同步进行，实践和理论相辅相成。首先目标是读懂并复现ORB-SLAM2、VINS-Mono源码，预计给自己半年到一年的时间实现

                （7）科研

                        硕士侧重工程，博士侧重理论

                        科研三条线路（参考知乎用户 hitcm 哈工大大佬的回答）：

                        1.修补已有的坑  多种方法结合，优势互补

                        2.深挖已有的坑  横向工程进行补充，深挖一个点

                        3.挖自己的坑      开辟新方向

总结就是三条线：                

        （1）相关理论学习

                其实相关理论和技术学习一个月学一块有个半年基本就搞定了。

        （2）编程学习

                最最最主要的就是实践和工程能力，这个花费的时间永远不嫌多。

        （3）科研实习

                最后就是要多阅读文献，了解前沿研究，根据研究内容驱动前两条线的学习