|
作者：Tassel 同样是学了两年多的计算机视觉，从零基础到现在勉强满足毕业要求，我记得刚来读研时导师让自己看点文献去探索研究方向，那时候真是啥都不懂啊，文献看不懂，公式也不知道是个啥，而且因为疫情开学推迟一个月导致周末也在上课，也不知道自己是怎么过来的。 后来慢慢地对计算机视觉产生了幻想，一个从没有学过C++只学过C的非科班萌新SLAMer诞生了，然后听着别人的建议，从视觉SLAM十四讲开始，正式进入SLAM的学习。学得比较艰难，直到第五讲以后，整个人彻底懵了，这都啥啊，一点也看不懂，然后开始学高博的视频课才得以继续修炼，不然那会就要放弃了。一年多过去了，现在课程都过期了，不过挺值得的，跟着高博推公式跑代码，最终我复现了ORB_SLAM2、ORB_SLAM3还有它们的衍生版本稠密建图版。 后来学着改一些小的点，尝试在一些特殊环境下修改特征提取方式以适应新环境，比如增加线特征等，只能说过程很艰难但收获很多，SLAM的各种库如Eigen、Opencv、G2o、PCL等迫使我工程能力大大提高，现在回头看看自己走过的路和踩过的坑，确实觉得SLAM的学习太难了，也担心自己找不到工作什么的。不过我后来觉得，就算在SLAM中没有取得特别好的成果，没法匹配相应的工作，也可以转C++开发或者图像算法岗位。学过的知识不会骗人，目前也是在继续课题研究的同时努力刷题争取能够找一个算法岗的工作，毕竟学习SLAM门槛高，没必要在一棵树上吊死，但如果能秋招拿到相关的offer，也可以尝试一下，可能是太年轻没遭到社会得毒打，那就让社会来毒打一下我，免得我留下太多遗憾。 以上是一些个人的学习心得，就不跟大佬相比较了，自己这两年有进步就足够，毕业找个还可以的工作，就是给自己最大、最好的礼物。 最近确实各个行业都挺难的，不过我个人还是觉得SLAM不会是一场泡沫，只是时间问题而已。SLAM最早由Smith、Self和Cheeseman于1988年提出。 由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。无论是一个机器人还是无人驾驶汽车，它们的核心问题都在于定位、跟踪、路径规划、以及控制技术的突破，问题的前三个都是SLAM的核心功能，因此SLAM是未来人工智能中不可或缺的核心技术，目前它发展到了SLAM2.0阶段,还有一段很长的路要走。 当然，如果SLAM学得可以得话，可以考虑读个博继续深造，疫情原因出国受限的话，国内也有许多大牛实验室，毕竟硕士两年多的时间实在有限，大佬除外，对于我这种普通人来说，能把知识点弄明白，在理解的基础上做一些效果还可以的实验，然后好好整理出实验数据，针对开源方案做点属于自己的东西证明自己学过SLAM，就很好了。 |
|
|
