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。
文章评论