SLAM面试问题大全

秋招求职，职位意向 SLAM 相关：做自动驾驶， AR/VR，自主移动机器人面试过程必然有相应问题抛出。

现在总结为以下三个模块：

1.必知必会

2.加深理解

3.额外了解

01

—

必知必会

1， GN 和 LM 的迭代过程及优劣 2，单应矩阵 H 和基础矩阵 F 的区别（至少两个方面），推导两者的求解过程及改进求解的方法 3，相机在纯旋转下，单应矩阵和基础矩阵怎么应用，单目怎么做到初始化和三角 测量 4，单目初始化的目的及两种方法 5，三角测量的过程及代码实现，有哪些不确定性及如何提高三角测量的精度 6，相机标定原理及实现过程，棋盘格有哪些好处 7，什么是对极约束？基础矩阵 F 的推导过程， F 的秩 8， RANSAC 的过程及在基础矩阵 F 求解上的应用，代码实现一个例子 9，什么是 BA?推导相机投影模型的雅克比矩阵 J，以及 J 的每一项代表的含义 10，求解 BA 问题用的最多的 G2o，说明 G2o 的顶点和边代表的含义以及类型 11，解释图优化中图的稀疏性，图优化流程 12，边缘化过程及可能存在的问题 13，解释鲁棒核函数 14，推导直接法 BA，直接法的分类，三个假设及优劣 15，解释图像非凸性的概念 16， ICP 算法的流程，哪个坐标系下？推导求解过程两种方法（ SVD 分解和 BA） 17，解释相机重投影误差，即间接法，推导重投影误差的 J 18，经常说的雅克比有什么作用，它有哪几部分组成？ 19， PNP 流程及 DLT 求解过程 20， P3P 求解过程，缺点及改进 EPNP 概述 21， PNP 与图优化的关系，即 PNP 中的顶点和边在图优化中的表示

02

—

加深理解

22，图像处理的目的，图像传输 的方式，什么是数字图像和模拟图像 23，解释图像的采样和量化（最近邻采样和插值采样） 24，解释图像质量（层次，对比度，亮度，尺度，尺寸，饱和度，高斯卷积核） 25，像素之间的关系（ 4 近邻， D 近邻， 8 近邻） 26，根据像素之间的关系解释像素之间的连通，连通的两个必要条件。m 连通？怎么提取连通像素组成的区域？ 27，像素之间的距离：欧氏距离，城市距离（ D4 距离），棋盘距离（ D8 距离）怎么计算区域之间的距离？ 28，三维模型重建流程 29，点为特征点的基本要求：解释 Harris 角点的原理，流程，非极大值抑制，特点 30，解释尺度空间（高斯空间） LOG 算子的流程 31，解释 SIFT 算子流程，特点；fast 算子， ORB 算子，并比较异同 32，如何获取尺度不变性和旋转不变性 33，解释特征描述子，基于直方图的描述子和二进制描述子，特点 34，特征匹配；距离度量（欧式距离，马氏距离，汉明距离）及匹配策略（最近邻搜索和最近邻距离比） 35，点的齐次坐标和向量齐次坐标的区别，应用 36，相机模型成像过程，及逆过程，逆变换，畸变模型中理想像素点和畸变点的对应数学表达式，并用它解算矫正原理 37，解释归一化像平面和像平面 38，对极约束的推导，得出基础矩阵 F 和本质矩阵 E，解释极线约束的物理意义 39，基础矩阵 F 的特点（自由度，秩，奇异值）求解过程（ 8 点法，RANSAC 方法流程），解释 8 点法求解过程中 SVD 分解的奇异值约束，根据奇异值约束对 F 进行重构 40，本质矩阵 E 的特点（自由度，秩，奇异值），求解 E，并用 E 进行相机姿态恢复（用图解释四种姿态，并说明如何旋转正确的姿态（ 2 种策略）） 41，单应矩阵 H 的特点（自由度，秩)及应用，求解（ 4 对匹配点和 RANSAC 流程）

03

额外了解

42,三角测量流程，求解过程， RANSAC 解算流程，如何减少三角测量的误差 43， pnp 求解过程， p3p 及 epnp 44,BA 求解的三种方法（最速下降法， GN,LM) 45,BA 的数学模型，几种 BA 对的形式求解（ 1,同时优化相机参数和三维点;2，固定三维点坐标，优化相机参数;3，固定相机参数，优化三维点坐标） 46，单目相机内参数共享的 BA 表达 47， SFM：通过相机运动同时恢复相机参数和场景结构，其流程？？？？？细 节？？？？难点？？？？ 48，稠密重建：稠密点云获取方式？极线搜索？两个假设（光度一致性和可视性约束？） 49，多视角立体技术的三种方法（ 1,基于体素方法 2,基于空间 patch 扩散方法 3,基于深度图融合方法？流程？特点？） 50，基于深度图融合方法进行多视角重建：优点？全局视角和局部视角的选择？区域生长法扩张？非线性深度优化流程？

博主：菜鸟程序员

初衷：学习历程，实习之路，校招经验，工作感受