SLAMCN
SLAM是什么？它的未来在哪里？
Visual SLAM算法笔记
主要是基于视觉的Visual SLAM或Visual Odometry，也包括一部分图像和IMU融合的Visual-Inertial Odometry相关算法。
15.基于视觉SLAM稀疏特征构建可导航地图（IROS-6）
源码地址: https://github.com/ygling2008/lightweight_mapping
自己实现一个slam的后端
先看人家的后端如何实现，然后自己用高博的那个前端+自己写一个后端，构成一个完整的vslam系统。
熟悉ORB_SLAM2和LSD-SLAM的源码，分别代表特征点法和直接法的代表作。
SLAM很有可能在未来与深度学习结合得越来越紧密，说不定会形成一个新的SLAM架构。适当学习一点深度学习的技术，看看如何替换SLAM中的一些模块。
如果你自己能够写出完整一套slam，或者对某个开源方案有很深入的理解（看的懂，改的动）
你可以尝试自己写个简单的slam project，在kitti，euroc等数据集上与开源方案对比测试后，把结果放到简历里。
建议读《state estimation for robotics》和《Multi View Geometry》,前者是介绍状态估计理论非常完备的一本书，举例来说，在非线性性非高斯章节中，作者从机器人的运动和测量方程出发，根据马尔科夫假设和贝叶斯公式，将目前主流的滤波（EKF，UKF，PF）方法统一在贝叶斯估计的框架下。后者涵盖了SLAM视觉几何的所有理论知识。对三维旋转的描述计算需要李群李代数的知识，高博的书和《state estimation for robotics》都有详细讲解，简单来说，使用旋转矩阵表示的旋转方便向量的坐标计算，但直接对其优化是有约束优化问题（9个参数3个自由度），解决思路就是在三维旋转群的正切空间上对用李代数表示的旋转误差量进行无约束优化，对正切空间的理解可以参考《Lie groups, Lie algebras, projective geometry and optimization for 3D Geometry, Engineering and Computer Vision》。推公式的时候发现矩阵白学了？宝宝不哭，这有一本《the Matrix CookBook》送给你。