slam是目前比较流行，并且是门槛较高的一个领域，它与人工智能紧密相关。自己想就这篇博客谈谈自己在这个领域2年多来的心得。
回顾这2年来自己的学习过程，可以说是艰辛，自己不是搞软件开发的，由于偶然因素搞了这个。主要由于自己别的不精，英文和数学功底非常好，单位就让我搞这个，先搞激光slam，也是单位第一个把激光slam做出来的人，虽然是开源代码，但是在没有任何人帮助的情况下搞定的。后来发现要自己写个slam，需要过硬的c++水平，自己把C++ Primer 5th 看了三遍，中文一遍，英文二遍，然后把课后习题全做了，整整花了一年的时间。今年，换了一家单位，搞视觉slam，这个真是从零开始学习视觉slam，但是发现有了C++基础入门很快，进步也很快，目前，已经做出了产品，自己通过阅读国外的几个开源稠密slam，然后，自己开发出符合实际的slam产品。
由于我研究生学的是控制理论，而且由于老师是搞理论的院士，所以自己学了几门现代数学，比如近世代数基础，拓扑学，实变函数，泛函分析，黎曼几何与微分流形初步等，所以看slam的论文数学方面没有压力。但是，我后来看的slam方面论文多了，发现这个领域的研究重点其实是实现算法，算法本身没有难的，就是实现比较难。跟国内读博士要求的发sci其实方向不一致，我看普林斯顿，慕尼黑工业大学的博士其实毕业没有发sci的，发的全是会议论文，而且人家把算法的实现写成程序，并且开源供世界搞slam的人下载，测试。
过去公司也招过好几个博士搞算法，但是他们不写程序，反正是不写程序，写报告，后来公司也没有开发出slam产品。其实，给招人的公司一个建议，就是一定要招能实现算法的人，什么学历不管，得能实现，实现不了，至少能把人家现成的程序改改用也可以。
最近关注了一下慕尼黑工业大学的招聘博士后的要求，人家要求C++是expert水平，可想而知，实现slam算法是关键，算法其实看slam论文，估计大家如果读过研究生，或者学数学的本科生没有看不懂的。
slam重点是如何实现，如何用世界上已知的手段，比如CUDA，卷积神经网络等等先近的手段编程序实现它，这个是最为关键的，为人类科学技术进步做出了贡献。
最后给后来的学习者以下二个建议：
1. 搞视觉slam可以先看看高翔的视觉slam14讲，然后他网上有个跟他学做rgbdslam，大家一定自己动手把他那个程序调通，对slam有个整体认识，非常关键。在看slam论文的同时，一定要看人家的源代码，理解了，然后最后，自己提取人家的类等等有价值的模块，然后自己写个简单的满足自己的想法的slam。如果，你看了几个视觉slam，当然是看懂了，不要求，每句代码都看，但是应该是大多数都看懂了，这样我想你应该可以提取作者的很多类和方法，去自己实现一个slam。提取的类包括一些常用的实现，比如CUDA如何处理双边滤波，线程池，C++多线程的条件变量用法等等。
2.多看国外的论文，看英文文献，看人家的源代码，建议国内的，没有源代码的就别看了。
总结一句话：在slam领域，代码比算法重要，大家仔细体会一下这句话的含义，不要误解，我不是说不重视算法的意思！
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
