首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >从零开始一起学习SLAM | 为什么要学SLAM?

从零开始一起学习SLAM | 为什么要学SLAM?

作者头像
用户1150922
发布2019-05-26 22:01:15
1K0
发布2019-05-26 22:01:15
举报
文章被收录于专栏:计算机视觉life计算机视觉life

在《零基础小白,如何入门计算机视觉?》中我提到过,计算机视觉的研究目前主要分为两大方向:基于学习的方法和基于几何的方法。其中基于学习的方法最火的就是深度学习,而基于几何方法最火的就是视觉SLAM。

这里写图片描述
这里写图片描述

SLAM将成为计算机视觉的下一个风口

在前几年计算机视觉的三大顶级会议(CVPR,ICCV,ECCV)上,几乎全是深度学习的研究,而这样的情况在这两年出现了新的变化:在2018年计算机视觉国际顶级会议 CVPR论文录用名单中,其中涉及SLAM/三维视觉 的工作超过 90 篇,占据了全体收录论文的近 1/10。

而今年参加校招和社招的小伙伴也向我透露,今年深度学习方向的竞争非常激烈,想要拿到较好的offer,要么有牛叉闪闪的论文,要么是大牛实验室有过硬的项目经验,难度比前几年大大提升。而今年SLAM方向的需求量上升而相关从业者相对较少,相对还比较容易,类似几年前深度学习刚刚火起来之前的样子。可以预见,SLAM将成为继深度学习之后计算机视觉领域的下一个风口。主要有以下几个依据:

1、深度学习在检测、识别领域具有无比强大的能力,但是在涉及多视角几何相关的SLAM领域,深度学习的作用非常有限。究其原因是因为在多视角几何为基础的SLAM领域,需要明确清晰的理论基础保证,而深度学习的「黑盒子」模型目前还不太奏效。

2、SLAM技术门槛较高。深度学习爆发后,很多非计算机视觉领域的从业者纷纷转而学习深度学习,由于深度学习本身黑盒子的特点,很多从业者不需要了解图像处理、计算机视觉的基础知识便可以得到一个相对较好的结果,因此入门门槛并不是很高。

而学习SLAM则需要具备三维空间刚体变换、相机成像模型、特征点提取与匹配、多视角几何、捆集调整等内容。这对于非该领域的从业者来说还是具有较高的门槛。

3、消费级RGB-D相机快速发展催生了以三维视觉为基础的商业化应用。以微软Kinect系列、Intel realsense系列、苹果、英飞凌、TI等为代表的消费级RGB-D相机逐渐形成成熟的产业链,国内也涌现出大量的优秀企业并量产,如orbbec、pico、human+、爱观、图漾、艾芯智能、知微传感等。此外,2017年iPhone X前置结构光深度相机面世后,更是激发了手机产业链RGB-D相机的热潮,目前华为、小米、OPPO、VIVO等手机大厂都在积极推动RGB-D相机在手机上的应用。

这里写图片描述
这里写图片描述

4、目前计算机视觉领域主要还是通过二维的图片来感知世界,而三维视觉才是人类感知理解世界的正确方式,因此以三维视觉为基础的SLAM技术是智能移动机器人、无人驾驶、AR等人工智能细分领域的核心技术。

这里写图片描述
这里写图片描述

目前对SLAM技术需求强烈的公司包括:互联网公司如百度、腾讯、阿里、京东等,计算机视觉算法公司如旷世、虹软、商汤等,自动驾驶创业公司如图森、momenta、景驰、驭势、滴滴及各大汽车厂商等,无人机/机器人公司如大疆、思岚、高仙等,AR移动终端应用相关公司如三星、华为、悉见等。

总之,SLAM前景光明但学习道路曲折,这也是笔者打算和读者一起从零开始学习SLAM的初衷。

从零开始一起学习SLAM系列规划

目前关于SLAM学习的资料不多,而且参差不齐,初学者推荐高翔博士的《视觉SLAM十四讲》,虽然本书写的已经比较基础,但很多小伙伴在学习期间仍然会遇到很多问题,因此,笔者《从零开始一起学习SLAM》系列文章规划如下:

1、技术介绍全面,不枯燥。该系列从最基础的知识开始介绍,分为多篇文章,每篇文章只介绍一个具体的知识点,尽量以形象生动的图文辅以适当的推导,一点点深挖SLAM的各个重要技术点。

2、每篇文章都有习题,重视实践。笔者会根据每篇文章内容设计一些实用性的练习题(推导、编程等),俗话说,光看不做假把式,适当的练习能够加深读者的理解,把知识消化吸收为自己所用。

3、高质量的交流学习社区。每篇文章练习题参考答案笔者会放到知识星球「从零开始一起学习SLAM」里。星球内所有成员都可以进行发布问题、分享知识、上传资源、点赞、留言、赞赏、收藏等操作。而所有的交流讨论、资源分享等都可以沉淀下来并方便日后查询。星主还会额外布置作业,和大家一起学习讨论。

知识星球需付费加入,越早加入价格越优惠。笔者还会不定期邀请SLAM领域的大牛加入星球坐镇。此外,星球还会红包奖励积极分享、解答问题的成员,只要花费一顿聚餐的钱,就能够和一群优秀的SLAM从业者一起交流进步,甚至解决就业问题。点击原文链接就能找到SLAM学习圈入圈方式。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018年09月06日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • SLAM将成为计算机视觉的下一个风口
  • 从零开始一起学习SLAM系列规划
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档