研究SLAM，對編程的要求有多高？
說到SLAM，很多人會提到MATLAB。主要是因為大部分人都是在本科階段接觸MATLAB，所以希望在以后的SLAM學習中用到。
MATLAB確實有很多優點:語法簡單，開發速度快，調試方便，功能豐富。但是在SLAM領域，MATLAB的缺點也很明顯，主要是這三個:
1.你需要正版軟件(你可以t在真機上安裝一個盜版的MATLAB
2.操作效率不高；
3.需要一個巨大的安裝包。
另一方面，C的優勢在于直接使用，運行效率高，但開發速度和調試比MATLAB慢。
但是光是運行效率就足以讓很多SLAM方案選擇C作為開發語言，因為運行效率真的很重要。
同樣的算法，如果它能MATLAB寫的不能實時，但是C寫的可以實時，你說哪個？
當然，MATLAB也有一些用處。我看過一些SLAM相關的公開課，讓學生用MATLAB做仿真，交作業。這個沒問題，比如SLAM工具箱。
同樣，類似于MATLAB的Python(和octave)也經常這樣使用。它們的快速發展帶來了很多便利。當你想驗證一些數學理論和想法的時候，這些都是很好的工具。It掌握MATLAB和Python是很棒的。
但是說到實用性，你會發現幾乎所有的方案都在用c.因為運行效率是如此的重要。
好吧，既然有心學MATLAB，為什么不學好C呢？
讓讓我們談談C將學到多少。
在程序員s的話，C語言比較特殊。你可以說你精通Java，但千萬不要說你精通C，C非常博大精深，有數不清的特點，而且會隨著時間不斷變化更新。然而，大多數人不。;不需要學習所有的C特性，因為很多東西永遠不會用到。
作為SLAM的研究人員，我們主要面對的是算法的開發，所以我們更關心的是如何有效的實現各種相關算法。另一方面，那些復雜的軟件架構和設計模式，我個人認為在SLAM中起次要作用。畢竟使用SLAM的目的是計算位置，構建地圖，而不是編寫一個可以自動更新，具有多人在線對戰功能的機器人戰爭平臺。
你的主要精力可能花在矩陣運算、分塊、實現非線性優化和圖像處理上；你可能對并發、指令集加速、GPU加速等主題感興趣。，或者可以花點時間學習；你也可以使用模板來擴展你的算法，或者你也可以試一試。
相應的，很多功能性的東西，比如UI，網絡通訊等。，用的時候不妨摸一下。但是當你專注于SLAM的時候，你不會我不需要專門學習。
說了這么多，SLAM要求的C級一般比你在書上看到的那些樣例代碼要高。因為那些代碼是作者用來給初學者介紹語法的，所以會盡量簡單。實際的代碼往往結合了各種奇怪的技能，乍一看會顯得深不可測。
地理對話
學習SLAM對編程的要求有多高？半閑散俗人2016-11-2219:16
說到SLAM，很多人會提到MATLAB。主要是因為大部分人都是在本科階段接觸MATLAB，所以希望在以后的SLAM學習中用到。
MATLAB確實有很多優點:語法簡單，開發速度快，調試方便，功能豐富。但是在SLAM領域，MATLAB的缺點也很明顯，主要是這三個:
1.你需要正版軟件(你可以t在真機上安裝一個盜版的MATLAB
2.操作效率不高；
3.需要一個巨大的安裝包。
另一方面，C的優勢在于直接使用，運行效率高，但開發速度和調試比MATLAB慢。
但是光是運行效率就足以讓很多SLAM方案選擇C作為開發語言，因為運行效率真的很重要。
同樣的算法，如果它能MATLAB寫的不能實時，但是C寫的可以實時，你說哪個？
當然，MATLAB也有一些用處。我看過一些SLAM相關的公開課，讓學生用MATLAB做仿真，交作業。這個沒問題，比如SLAM工具箱。
同樣，類似于MATLAB的Python(和octave)也經常這樣使用。它們的快速發展帶來了很多便利。當你想驗證一些數學理論和想法的時候，這些都是很好的工具。It掌握MATLAB和Python是很棒的。
但是說到實用性，你會發現幾乎所有的方案都在用c.因為運行效率是如此的重要。
好吧，既然有心學MATLAB，為什么不學好C呢？
讓讓我們談談C將學到多少。
在程序員s的話，C語言比較特殊。你可以說你精通Java，但千萬不要說你精通C，C非常博大精深，有數不清的特點，而且會隨著時間不斷變化更新。然而，大多數人不。;不需要學習所有的C特性，因為很多東西永遠不會用到。
作為SLAM的研究人員，我們主要面對的是算法的開發，所以我們更關心的是如何有效的實現各種相關算法。另一方面，那些復雜的軟件架構和設計模式，我個人認為在SLAM中起次要作用。畢竟SLAM的目的是計算一個位置，然后建造它。這個地圖不是要寫一個可以自動更新，具有多人在線對戰功能的機器人戰爭平臺。
你的主要精力可能花在矩陣運算、分塊、實現非線性優化和圖像處理上；你可能對并發、指令集加速、GPU加速等主題感興趣。，或者可以花點時間學習；你也可以使用模板來擴展你的算法，或者你也可以試一試。
相應的，很多功能性的東西，比如UI，網絡通訊等。，當你使用它們時可能會被觸動，但你不會。;當你專注于SLAM時，你不必特別研究它們。
說了這么多，SLAM要求的C級一般比你在書上看到的那些樣例代碼要高。因為那些代碼是作者用來給初學者介紹語法的，所以會盡量簡單。實際的代碼往往結合了各種奇怪的技能，乍一看會顯得深不可測。比如你在課本上讀到的是這樣的:
intmain(intargc，char**argv)
{
vectorltstringgtvec
vec.push_back(abc)
for(inti0()i)
{
//...
}
返回0
}
你看《CPrimerPlus》的時候，覺得C也不過如此，沒有什么特別難懂的地方。然而，實際的代碼是這樣的:
嵌套模板類(g2o中的塊求解器):
g2o::blocksolv::blocksolv:lin::lin::blocksolvertltg2oecho-@.com:blocksolverltg2oech23-@.com:blocksolvertraitslt3，1gtgt(linearsolver)g2oech25-@.com:optimizationalgorithmlevenberg*solvernewg2oech27-@.com:optimizationalgorithmlevenberg(solver_ptr)g2oech29-@com
模板元素(從ceres自動派生):
虛擬boolevaluate(雙常量*常量*參數，
雙*殘差，
double**Jacobian)const{
如果(！雅各賓派){
r::variadicevaluatelt
CostFunctor，doubl::call(*functor_，參數，殘差)
}
r::autodiffltcostfunctor，doubl::differential(
*函子_，
參數，
SizedCostFunctionltkNumR::num_residuals()，
殘差，
雅各布)}
C11項新功能(來自SVO功能提取部分)
voidfram::s::for_each(FTS_。b::updateseed(constfloatx，constfloattau2，Seed*seed){
floatnorm_scal::isnan(norm_scal::math::normal_distributionltfloatgtnd(seed-gtmu，norm_scale)
浮動s21。/(1./seed-gtsigma21。/tau2)
浮點ms2*(種子-gtmu/種子-gtsigma2x/tau2)
浮動C1s::math::pdf(nd，x)
浮動C2種子-gtb/(種子-gta種子-gtb)*1。/seed-gtz_range
浮點歸一化_常數C1C2
C1/歸一化_常數
C2/正常化_公司nstant
浮動fC1*(種子-gta1。)/(種子-gta種子-gtb1。)C2*seed-gta/(seed-gtaseed-gtb1。)
浮動eC1*(種子-gta1。)*(種子-gta2。)/((種子-gta種子-gtb1)。)*(種子-gta種子-gtb2。))
C2*seed-GTA*(seed-GTA1.0f)/((seed-GTAseed-gtb1.0f)*(seed-GTAseed-gtb2.0f))
//更新參數
浮動管理部門_新C1*C2*seed-gtmu
種子-gtsigma2C1*(s2m*m)C2*(種子-gtsigma2種子-gtmu*種子-gtmu)-mu_new*mu_new
seed-gtmumu_new
seed-gta(英-法)/(法-英/法)
seed-gtbseed-gta*(1.0f-f)/f}
我不我不知道你看到這些代碼的感受，但我當時的內心感受是:這怎么和課本上的完全不一樣？而且研究了很久，發現人其實是對的！
[我我不太會發表情。無論如何，它it'下定決心對你有好處
總之，C的水平要求應該在課本之上。而且，這種水平的提高，大多是建立在不斷看別人的過程s代碼和編寫您自己的代碼。是反復練習的，不僅僅是看書。特別是對于視覺SLAM問題，很多時候你可以不要根據論文實現一套方案，這很大程度上取決于你的理論和代碼技能。
所以，請盡快開始學習C，使用C，這才是學習SLAM的正確方法。
唐不要在你的舒適區里猶豫太久，所以沒有進步。(同樣適用于想學SLAM但是不我不想學Linux。)
關于閉環檢測的庫，稍微列舉幾個。
1.DBoW系列
TRO12的一篇文章，其中使用了k-means訓練的字典樹。它與OpenCV結合緊密，原理相對簡單。
GitHub-dorian3d/DBoW2:增強的C語言層次詞庫()
GitHub-rmsalinas/DBow3:dbow2的改進版本
()
2.FABMAP系列
周柳樹，康明斯系列論文。作者自己提供了一個開源版本，有人在OpenCV中實現了一個，所以一共兩種。
FabMap原始(~)
OpenCV:OpenFABMAP
()
3.DLoopDetector
基于DBoW2()開發的循環檢測庫
建議從DBoW2或DBoW3開始。原理和實現都比較簡單，效果不錯。
matlab與stk怎么連？
步驟:
1.確保matlab是32位的；
2.在"安裝路徑agistk9in"