3D Vision、SLAM求职宝典 | SLAM知识篇（D3）

(未完待续中)

D3篇——

 

• 连通区域算法（可以将 图像简化为二值图来考虑http://blog.csdn.net/icvpr/article/details/10259577）
• 实现RANSAC的框架（MRPT写得是比较好的，注意每次此迭代后需要更新迭代次数。）
• Homography和Fundamentalmatrix的性质与区别
• 简单实现cv::Mat()
• 简述一下GN、LM等优化方法的区别
• 推导一下卡尔曼滤波，描述一下粒子滤(http://blog.csdn.net/heyijia0327）
• 描述一下SIFT或者SURF特征检测，匹配
• 如何求解Ax=b     (非迭代、迭代，其中非迭代的方法可以参考eigen手册，上面 列了一些(http://eigen.tuxfamily.org/dox/group__TutorialLinearAlgebra.html)
• 简述一下Bundle Adjustment的过程
• 对熟悉的某一个开源SLAM，简述其流程
• 简述重定位（我在面试海康时被问的）

D3篇中的这些问题来自谢晓佳的回答（https://zhuanlan.zhihu.com/p/28565563），正如D2篇，问题中有些已经在D1或者D2篇中做了解答（没有被颜色标记的），如果你是SLAM求职者，则建议你从启航篇开始按顺序阅读D1~D3篇，只不过我在D1篇中也罗列了一些VIO的学习内容，这一部分可能要多花时间。  D3篇也是本专题中SLAM专业知识的最后一篇，在这一篇中我们试图解答上述带颜色的问题。 

---

1. 简单实现cv::Mat()

 

2. 推导一下卡尔曼滤波，描述一下粒子滤(http://blog.csdn.net/heyijia0327）

 

3. 描述一下SIFT或者SURF特征检测，匹配

 

4. 如何求解Ax=b     (非迭代、迭代，其中非迭代的方法可以参考eigen手册，上面列了一些(http://eigen.tuxfamily.org/dox/group__TutorialLinearAlgebra.html)

 

5. 简述重定位