tensorflow 语义slam_学习两年多，感觉SLAM太难了，大家对此有什么想法？

== Update

我最近开源了一个部分之前的工作，定名为svso，旨在利用语义信息解决 稀疏slam的问题 希望大家支持下，后面还会和其他小伙伴持续更新，整合到一个更大的项目里做组件，希望大家支持下： https://github.com/yiakwy/SEMANTIC_VISUAL_SUPPORTED_ODEMETRY

目前工作中心也在朝DSO半稠密方向进一步拓展，感兴趣的朋友欢迎联系

== Motivation

我来分享下我经验，从实验室开始，我就密切关注行业动向，于17年定下从仿真入手的入局策略(彼时谷歌，百度等才刚刚开始做，这样我就能和一线专家保持进度，实现后发优势)。在为无人驾驶系统起草编写仿真软件系统时，我认为“定位”，“只需要模拟下GPS获取，并进行误差补偿就可以了”。起初觉得并不是困难。这一时间段我没有看过任何和SLAM相关书籍，并写了一组八叉树，KdTree为基础的网格瓦片搜索定位模拟组件；同时建图主要依赖主动观测激光雷达，比如位姿来自IMU，对84坐标系进行切平面空间转换，用ICP等方法融合，用推演出来的3D目标检测进行静态障碍物提取，完成地图要素构建。

后面由于和同行交流发现高精地图中很多同行只做定位，或者认为定位比建图更重要，基于视觉定位等。因为我本身就是视觉出身，就开始研究这方面。

== Research Method

我的研究方法很粗暴，把市面上能看到的源代码如ORBSlam VINS GTSAM G2O，还有诸多不知名到个人作品(代码即文档，我基本上可以做到看代码和看书一样ÿ