研究生生涯：学习总结
SLAM是另外一个坑，虽然这样说很不合适，但是她确实是一个比较坑爹的方向。前置学习很多，但是回馈很少。这方面我一看到记录的笔记，就会在发疯一次。
这个系列还有一个笔记没有上传，后期修改之后会直接补上
前言
SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。
(102条消息) 一文彻底搞懂SLAM技术_小麦大叔的博客-CSDN博客
一、与她的初遇
谈到SLAM的初遇，那必定是大二某个时间点有幸参加了一次竞赛最后还获取了国奖，虽然全程是打酱油状态，但是自己也学到不少内容。加之深度学习这个坑爬出来之后，急着换反向，所以在研究生一年级下学期以及暑假这段时间一直在研究SLAM（从零开始更加基础的学习）。不得不说当时也真的挺佩服自己，书重复撕，代码重复看，不断到网上找不同理解的博客。（反正我同门没坚持下去，我当时想的就是：多坚持一段时间就能多嘲讽他一会）（哈哈哈哈）
二、与她的敞心交谈
1.学习目标
上面纯属打趣，总的来说也正是因为一种思维叫做：我不学就毕业不了了，所以才开始啃这个艰难的方向。总的来说：SLAM研究的内容非常的多，从单独的软件的角度来说：你需要学会：
上面基础的知识点基本上要花费5、6个月的时间进行研究才能有所收获，很多知识点都需要重复的理解、吸收还有查找各方的博客。可想而知研一下学期还有暑假花费了我多长时间和精力。
难点很多，这里就一笔带过。不细说了，不想回忆痛苦之处了。尤其是一本视觉SLAM14讲就花了我三个多月的时间。但时至今日，我仍然觉得这是一本研究SLAM的圣经。
2.你的选择
SLAM研究主要有两个方向：一是以相机为代表的视觉SLAM。二是以激光雷达为代表的激光SLAM。虽然激光和视觉有很大区别，但是建议学习激光的可以看看视觉SLAM14讲这本书。无论怎么说：二选一的分歧时刻到了。
我选择的是视觉SLAM。（要说一下，你只有精通一个领域才能在跨领域之后发现更多的相似与不同）
ORB-SLAM2是目前视觉SLAM研究的巅峰，也是纯视觉能够达到最高精度的算法（不排除其他人改进更优的算法）。总而来说这是一个非常优秀的框架，后续很多人就再此基础之上进行改进与创新。
3.研究的创新点
恰逢最近几天有个朋友再问我关于SLMA的创新：我的回答也正好整理给大家看：
三、与她的离别
1.开始矛盾
适逢找工作危机，当我知道师兄刷了五百多道力扣，还是没能如愿以偿的找到SLAM方向的工作时，我就又慌了。和同门交流了很久，不免知道一个真相：如果仅仅是从学术科研的角度来看：SLAM确实是一个好方向，但是对于找对工作期望很高的我来说，她又不适合我。
所以到了研二上学期在选择SLAM的创新点的同时还开始学习了一段时间的STM32硬件知识。在寒假以及研二的下学期开始，我很快的投了一个小会议作为毕业条件。之后很长一段时间就没开始研究了。
所以这段时间你会发现我又开始焦虑，换了各种各样的方向，研究了一段时间的硬件（STM32）、又开始研究算法与结构、甚至学习了一段时间的ROS
（备注：学习很早，整理很迟）
(102条消息) STM32基础_灵性花火的博客-CSDN博客
(102条消息) ROS实践与实例_灵性花火的博客-CSDN博客
（算法与数据结构板块会重新开始学习，原先已经删除）
2.离别与再一次相遇
即使离别了，她（SLAM）依旧在我的心中
当有了视觉的基础、视觉+惯性的学习、惯性导航课程的强制学习，硬件的触及......思维开始升华，灵性开始沸腾......
我突然意识到我正在走向的是一条名为SLAM，实际上是一门叫做组合导航方向上的道路（尤其是SLAM关于构图的知识点飞快地带过了）。于是乎我便有了自己的研究热情——在组合导航的方向上继续开始新的研究。
所以：
她并不是离开了我，我喜欢的也仅仅是她的一个表面。对我来说，我们分别然后再次相遇；但是对于她来说，仅仅是换了一个身份，然后......再次遇到了我。
扫一扫
3985
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
