接觸SLAM有半年左右，這段時間，我們跟進最新的開源算法，並根據實際情況修改了一些算法源碼，實現機器人的slam、路徑規划和避障行為。而我也從一個距離門口18條大街的小白順利入了門。
之前由於基礎薄弱，對計算機視覺、SLAM、機器人導航的一些概念不太明確，導致在選方案和傳感器的時候，大方向有點模糊，沒能跳出局部看全局，走了一些彎路。隨着學習的深入，對一些基礎知識也有了相對清晰的概念，最近試着梳理了一下相關的東西，也算是自己總結。
先祭出一張我自己徒手畫的框圖：
１、之前一直認為，機器人導航用的地圖就應該是SLAM輸出的地圖，但在圖優化時代，visual slam輸出的地圖，似乎只是用來追蹤攝像機軌跡的。機器人在獲得相機pose后，需要借助其他傳感器，如激光雷達等，來構建導航端需要的障礙物地圖。也就是說，導航用的地圖和visual slam輸出的地圖不用混為一談。
２、slam是屬於計算機視覺的一個分支，如果要用視覺做一些其他的應用，比如一些視覺交互和識別等，由於視覺計算比較消耗資源，在系統硬件架構上不應該與slam放在一起做，本身也應該是兩個不同的研究方向和應用場景。
３、cv、slam、機器人導航，會有一些交叉，但是本質上是屬於不同的研究方向，各自有各自的方法和難點，如果團隊想要做得比較深入，應該三部分研究工作由不同的人來承擔。我司現在就略為混亂，基本上每個人都涉及到了這三個方向，這樣效率會比較低。
以上是我自己梳理的東西，比較基礎，有的也是顯而易見的東西，若有錯誤的地方，希望看到的朋友能不吝賜教。越學習越感覺自己的無知，需要學習的東西太多了。