学SLAM的女生，很酷

《生活大爆炸》最后一集，Amy获得了诺贝尔奖。在颁奖典礼上，Amy动情地说：“I would just like to take this moment to say to all the young girls out there who dream about science as a profession: Go for it. It is the greatest job in the world. And if anybody tells you you can't,don't listen.”

感动之余，我想到了正在学习SLAM的这些女孩们，她们选择了SLAM作为研究方向，读paper、敲代码、推公式，一路升级打怪，在众多SLAMer中脱颖而出。在我看来，她们是真正的酷girl！我们邀请了其中三位，来聊一聊她们与SLAM的故事，希望能对未来想走科研道路的女生一些鼓励和启发！

@ C小姐    目前正在英国攻读硕士学位

和SLAM结缘算是误打误撞。大四的时候选了一门Mobile Robotics，从此一去不复返的入了SLAM的深坑。Master伊始听了很多学长学姐”鼓吹”我这个学校做v-SLAM的lab，联系了老师，有幸得到他们的认可和他们做project，继续和SLAM纠缠不清。

相较于现在大火的Deep Learning或者Reinforcement Learning有数不尽的公开课、视频资料、不算难理解的数学理论和非常简单可调用的包，SLAM的门槛无疑高很多。无论是数学基础还是工程化的代码要求(毕竟C++可比python让人头疼多了)。尤其是作为女生，经常被stereotype定义成数学差代码渣渣，学习SLAM会面临更多的挑战和沮丧。

我的SLAM学习之路始于Probabilistic Robotics这本书，很基础很全面，除了大片大片的pseudocode经常让我感到不适。C++补了一下北大C++那门课，数学补了quaternion的一系列知识。有时候看不懂不要沮丧，先暂时放下，休息片刻，再回头看看就豁然开朗了。

功利地来讲，SLAM不应该作为优先选择的研究课题或者想转行AI希望快速补起来的skillset。因为Big Data/DS/CV/NLP等依托于现在大量的开源数据集和成熟的框架，相较于SLAM是更容易上手以及出成果的。但是如果你喜欢，引用一句之前的导师经常说的一句话“坚持做你感兴趣并且认为对的事, 总有一天会得到你想要的”。

@ 一ping就通    目前正在北京科技大学读研

收到佳欣的微信，说让我写一个女生学习SLAM的心得体会，其实我想告诉她，我不是女生，我是女汉子，哈哈，开玩笑的！其实这两周格外的忙，但还是毫不犹豫地答应了写下这篇稿子，因为我觉得很有必要写一下，这是一件很有意义的事情！

起初接触SLAM只是机缘巧合去了一家机器人公司实习，感情都是需要慢慢培养的，然后我就爱上了它。那时候没有用过Ubuntu，不会ROS，好在做飞思卡尔有一点C语言和硬件基础，还学过那么一点Python，虽然SLAM大多情况下用的是C++，但语言都是相通的，于是一周过了一遍C++，一周过了一遍Linux，又两周学了ROS；我这个人越有挑战性学的就越起劲儿，实验室也就我一个人在学，遇到一个bug，自己一个人闷在实验室急得跳楼的心都有，然后厚着脸皮请教素不相识大牛，原以为大家都很忙，未必搭理我，结果出乎意料的是他们在激光SLAM和视觉SLAM上给了我一些非常值得借鉴的建议，这也对我的开题产生了直接影响！

然而，我真正的视觉SLAM的启蒙老师是游振兴学长，我连想都不敢想他给我的研究生生涯那么多指引和帮助。虽然他们可能早已忘记曾经给我解疑答惑，但我会时刻铭记于心！也正因为我在学习SLAM的路上无助过，所以更想团结大家一起探讨和学习。

在这里，不得不感谢深蓝学院和浙江大学章国锋老师组织的第一届暑期学校和SLAM论坛，去年当我踏上去浙大紫金港的列车的时候我并不知道会收获什么，但踏上归途的时候，所得到的远远超出了我的想象，见到了楷神(初生牛犊不怕虎，当时并不知道楷是神，此处应有捂脸的表情)，他给我讲了SLAM世界里的大神和故事，依稀记得当时他说跟贺博坐在一起，脸皮薄没过去！我相信，全国还有很多很多像曾经的我一样找不到组织找不到志同道合的学习伙伴的同学们，从这一刻起，我找到了家的归属感！

学习SLAM的第一本书就是高博的视觉SLAM十四讲，敲代码，推公式，安装各种库，做课后作业记笔记，第一遍一脸懵，好不容易学完了也把前面忘得差不多了；第二遍懵懂；第三遍，哈哈，欢迎来到SLAM世界！博客、博客园、知乎也是重要的知识来源，然后就是状态估计、多视图几何、概率机器人和因子图等一系列关于SLAM方向的书籍。比较惭愧的是，这些我只是用到了才去学，对于有大把时间可以好好研究的人来说，一定不要浪费自己的时间，毕竟自己欠下的债总有一天要自己去还。

不得不说实习跟在实验室自己钻研还是很不一样的，连吃饭睡觉前的时间我们都是在讨论学习，而且有deadline就有效率，实践出真知，实习让一个人成长的很快，同时也会收获真挚的友谊，所以大家如果有条件和机会，还是应该走出校园去锻炼和提升一下的。

曾经有人问我，你一个女生怎么就跳进SLAM这个大坑里了？我说我头发多呀！其实学什么不是个坑呢？哪个坑不需要你自己去填呢？现在这个社会里，一些工作已经不分什么男女了，男生能学会的我们女生也可以，所以，想学SLAM，就踏踏实实学就好了，不会什么就学什么，学会以后你会特别有成就感的。

最后，我想说，学习SLAM的路上并不孤单，大家素不相识，素未谋面，但因为SLAM走到了一起，大家天各一方却互帮互助，非常感谢一路走来帮助过我的大佬和朋友们，我也会把自己学到的分享给未来学习SLAM的学弟学妹们。

@ 美香    哈工大计算机科学与技术学院 博四在读

我的研究方向是单目视觉slam以及多传感器融合，我是跨专业读的博士，且在大学里没有过做项目或者进行学术研究的经验，专业基础是非常差的。在老师的推荐下我选择了视觉slam作为我的研究课题，下面分享一下这三年学习slam的心得体会。

1. 在slam的入门阶段时，首先应专心研究slam的某一种方法。我在刚开始学习slam时，因为不知道应该怎么学，就盲读了很多slam的论文和一些厚重的基础书，但这样看了一个多月后感觉收获不是很大，代码也不知道该怎么写。我也是后来在一位大牛的推荐下知道了ORBSLAM，然后反复看论文和代码以掌握该方法，并多跑跑数据寻找算法缺点，之后再基于该框架进行算法的改进。在熟练掌握了该系统之后，由于slam系统的知识点是比较相似的 ，我在转其他slam系统时发现上手也会很快；

2. 论文里涉及的公式一定要推一推。我认为公式推导是研究算法最基础的一步， 公式推不出或推错都会导致所期望的效果无法实现，从而不会推导公式很难进行核心算法的改进。我刚开始推导公式时，有不会的也会去找大牛们问，之后推得次数多了就熟能生巧了；

3. 有机会的话，多去公司实习。公司的氛围与实验室不太一样，所有的事情都有短期的deadline，有压力就会有动力去做，学习状态也会更佳。而且公司有很多经验丰富的人，你可以跟不同的人学到不同的知识，进步会更快。 我的第一份代码就是在第一次实习的时候写的，如果一直没有压力压着，我可能也会很难迈出这第一步。

4. 身体健康很重要，尽量避免熬夜。身体状态直接影响到一个人的精神状态，做科研需要高度集中力，精神不佳效率会大大降低；

5. 放平心态，奋力拼搏。科研是一个需要慢慢积累的过程，在研究过程中走错方向或长时间不出成果都是经常发生的事情，在这时一定要放平心态，静下心来一步一步继续做下去。

我希望对slam感兴趣的女同学可以明确自己的目标，并置身到科研工作中来。科研的路程虽然在开始阶段比较艰辛，但是学会之后也是一件非常有趣的事情。 希望我的经历能够给那些想要学习slam，但基础比较差的女同学一个信心。期待以后可以在slam领域看到更多的女同学，也欢迎大家来找我一起探讨问题。