3D Vision、SLAM求职宝典 | SLAM知识篇（D3）

向右看齐 2022-02-04 07:45 99阅读 0赞

(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][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** ###

[https_zhuanlan.zhihu.com_p_28565563]: https://zhuanlan.zhihu.com/p/28565563