点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
深度学习如何解决vSLAM落地难题？华中科技大学的林博士在小六的机器人SLAM圈里分享了自己的见解，原文很长：
摘取了其中一些批判性思考
（包含强烈的个人观点，基于当前vSLAM的落地需求及当前的硬件算力）
- 完全摒弃传统方法的端到端方案是不被认可的，这一观点在许多会议上多位大佬都曾提及。
- 局部粗分辨率的稠密地图用于导航是有必要的，而精细稠密地图和全局稠密地图对实际的应用来说是伪需求。
- 简单的融合深度学习实现 A+B 的效果方案往往是低效的。
对于深度学习和SLAM的结合，有以下几点个人的体会：
- 传统方法中具有明确物理意义的部分，应该继续继承，而不是一味的端到端
- 深度学习是为了解决SLAM中难以人工描述的部分，而不取代原有方案
- 在学习方法的设计中融入传统的方法思想是提升性能的有效手段
- A+B式的融合应该被替换为充分考虑SLAM中的特征的方法，是专为SLAM设计的专用算法，而非拿来主义。
此外，他还最后做了总结
本文简单的从落地应用的角度出发，讨论了目前vSLAM算法到真正落地至机器人场景中，作为科研人员的我们在深度学习方法上还能做出什么贡献。其中包含了大量的个人主观见解与看法，并且所提出的一些研究方向也并非那么热门。个人在参加厦门的SLAM2023论坛时有一个特别明显的感受，即学术界关注的和工业界关注的点出现了较大gap。NeRF、具身智能等概念领域在学术界打得火热，而工业界则基于传统的SLAM做着corner case的问题。作为一个机器人实验室成员，懂机器人、懂嵌入式也熟悉vSLAM，我希望做出弥补二者gap的工作。充分利用个人机器人应用需求的了解、对深度学习的理解以及对传统SLAM算法的熟悉，将这些点有机的融合起来，互相发挥彼此的优势。最后，希望本文对正在寻找自己方向的研究生同学在寻找自己课题和方向上有所启发，即结合自身基础和课题组优势思考自己在这个领域中能解决什么样的真问题。
小六的机器人SLAM圈成员也在星球里进行了热烈的讨论。欢迎移步星球交流：https://articles.zsxq.com/id_g0ftuq4ikke6.html
此外，星球里定期邀请其他大咖分享深度好文
作为星主，我也会发布很多日常思考和随笔，不仅限于技术，也有对求职、职场、行业趋势、个人感悟等，有兴趣的可以来交流。
以上只是「小六的机器人SLAM圈」内容的冰山一角，我们星球里还有沉淀了5年半的内容期待与你见面，比如《视觉惯性SLAM》读书学习挑战赛、简历 训练营等等系列针对星球成员的免费活动，如果你想要学习，欢迎查看一系列几十个主题的系列教学（需联系客服开通权益）
读书学习类
1、死磕视觉SLAM十四讲（22讲更新完毕）
2、一起学习书籍《机器人学中的状态估计》（16讲更新完毕）
3、一起学习书籍《多视图几何》（更新18讲）
4、《视觉惯性SLAM》挑战赛（50讲，按期学习）
优秀源码解读类
1、多传感器融合LVI-SAM 快速入门（13讲更新完毕）
2、基于livox的SLAM-LIO-Livox代码解读（8讲更新完毕）
3、FAST-LIO2源码学习（9讲更新完毕）
4、GVINS源码学习（7讲更新完毕）
5、多传感器融合R3LIVE 快速入门（7讲更新完毕）
6、视觉稠密SLAM-TANDEM 快速入门（4讲更新完毕）
7、半直接法SVO Pro代码解读（更新中）
8、多传感器标定原理及代码解读（更新中）
9、GNSS定位库RTKLIB原理及代码解读（更新中）
工具技能类
1、从零开始系统学习代码调试（10讲更新完毕）
2、从零开始系统学习G2O （8讲更新完毕）
3、从零开始系统学习Ceres solver（6讲更新完毕）
4、从零开始系统学习OpenCV（13讲更新完毕）
5、从零开始系统学习点云PCL （18讲更新完毕）
6、从零开始系统学习GTSAM（12讲更新完毕）
论文及框架类
1、语义SLAM论文一起读（7讲更新完毕）
2、深度学习SLAM论文一起读（17讲更新完毕）
3、基于NeRF的SLAM论文及代码解读（20讲更新完毕）
……
后续每天在知识星球里更新视频，还会组织其他主题的学习活动。如果还没加入星球的，正好趁活动立减21元，仅有10个名额，购买后联系我们客服给你开通所有权益哈，期待星球里和大家交流
购买后务必添加客服，开通全部权益~
3天内无条件退款！
选对圈子，少走弯路，与优秀者同行
如果你是老成员，扫描二维码即可享受6折优惠续费
知识星球介绍如下
