SLAM从入门到精通（开始篇）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        很多同学喜欢学习linux，但是他们只是把linux当成是一个嵌入式技术在学习，而不是当成工具在使用。平时，要么是自己做板子，要么是烧入别人的固件，要么就是不停折腾驱动和kernel。我的建议是，不妨找一个linux或者rtos擅长的行业去深挖，在精进自己技术的同时，还能发现行业的需求，结合自己以往的经验，开发出满足市场的产品，这样也能有一定的回报，形成正向循环。类似的场景其实很多，比如医疗电子、运动控制、图像处理、机器人等等。

        slam就是这样一个比较适合linux应用的场合，它的全程是simultaneous localization and mapping。换成大白话，就是边定位、边制图。听着有些扯，但是确实是这么做的。学习slam有很多的方法，每个人都有自己的路径，不妨试试下面这个方法，

1、安装虚拟linux

        对于slam来说，linux几乎说是标配。然而，目前大家工作电脑安装的OS几乎都是windows，所以这个时候建议大家可以安装一个virtual box虚拟机。在虚拟机中安装一个linux版本即可。现在比较流行的是linux发行版是ubuntu，可以选一个近期发布的ubuntu使用，但又不是最新的版本，比如ubuntu 20.04就可以。

2、学好c++

        关于slam这一块，要真正在产品上用起来，ros这一块是逃不了的。ros本身用的是c++，所以我们得学好c++。当然，也有人说，ros也支持python。但是工业上部署和运行，没有python一说，这是需要注意的。目前c++版本很多，c++11、c++17等等，建议还是学习经典的c++语法就好。

3、用好ros，但这是起步

        ros是个好东西，对于学习机器人的同学来说，它几乎是标配。有了它，大家只需要关注在算法等创新领域。此外ros里面有现成的模块、框架和成熟算法代码，但是离产品本身还有很大的差距。但是，只是会对ros算法调参，这是远远不够的。很多人学习ros，到最后把自己搞成了调参和标定工程师，这反而得不偿失了。

4、阅读paper、编写新的算法

        很多时候，ros里面的算法并不能解决实际场景的问题。举个例子，客户的场景有可能地面是不平的、自然光是不满足计算机视觉要求的、cpu性能也无法满足实时性的。这上面的问题都很有代表性，所以靠ros调参，或许可以做一个demo，但是没有办法做一个产品。

5、模块优化的能力

        优化分成两个方面，一个方面是软件，比如参数标定、上位机编写、先验知识添加、多传感器融合等等，这些都算；另外一方面是硬件，比如说算法加速，fpga加速、gpu加速等等，这些也算。甚至为了提高效率，魔改linux kernel都是有可能的。

6、自己编写驱动

        ros驱动和普通的驱动不一样，其实的大部分还是以协议适配为主，包括usb、can、232、485、ethernet等各种接口的协议适配。这和linux下面的kernel驱动还是不一样的。

7、了解和掌握底盘

        从输入、输出的角度看，slam只是机器人的一个模块，定位和地图做好后，本质还是要为机器人服务的。所以，在做好了ros仿真之后，下一步就可以了解下机器人的底盘，单轮、双轮、三轮、四轮、六轮等各种运动底盘，这里面大部分用的都是mcu，控制算法以pid和mpc为主，了解一下我们的控制目标，对于理解整个slam框架很有帮助。

8、提高数学能力

        所谓数学能力，主要是和slam相关的一些数学库或者优化库，比如eigen、sophus、ceres、g2o等等，扩展的一些应用库，比如opencv、pcl点云库这些，最好也要看看。有一本书《视觉slam十四讲》，上面谈到了很多的数学，用作自己平时资料查询，十分有必要。

9、有个实际的项目推动

        学习一个东西本身能够长久，关键还是要有一个项目能够做长期支撑为好。因为，有的时候学习总是枯燥无聊的，会遇到很多的问题，如果没有一个真实的需求做依靠的话，很容易中途放弃的。