(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