好久沒寫文章了，研二被老師分到做vslam方向，跟研一自己學的資料探勘大相徑庭。還記得那時候研一剛開學，只是想找點東西做，找點不再是嵌入式的東西做，不想再軟硬體都自己做了，然後網上找啊找，說python挺好的，說資料探勘還挺好的。調研了一會就開始入坑，先學python基礎知識，再看《機器學習實戰》，再看《西瓜書》，那時候給自己安排了一串的學習任務和學習目標，中間寒假殷老師還給了個分類的任務做，因為學校大多數用的matlab，所以我也去學了matlab，後面用了一下svm，記得準確率是45%，這個應該算是我第一個小的工程吧～只不過後來老師好像更喜歡學碩的同學，我就懶得“拉攏關係”“勤奮彙報”了，後面這項工作也不了了之，我還是繼續自己的學習路線。學習了python基礎知識，機器學習實戰在跑的同時，後面去學了資料探勘在python中比較常用的的幾個包（sklearn、numpy、matplotlib、scipy），一開始學也是很不知所措的，迷迷糊糊的，後面用的多了，尤其是在看別人程式碼和參加比賽的時候，對這幾個包的認識更近了一步。當然啦，這項工作還一直持續到我研一暑假未8月底～，只不過中間有些斷斷續續，因為畢竟要做老師給的方向。除了這個，研一期末到結束的那段時間吧資料結構過了一邊~

對slam我是從6月底入的門，自然是看《視覺slam十四講》啦，看過一遍，把例程跑一下，編譯一下，熟悉這一套流程（CMakeLists的編寫啊，編譯過程啊什麼的），過了一遍之後就接觸到了ROS，是中科院開源的一個模擬專案，通過這個專案，自己就開始了ROS的相關學習，再後面（8月中，因為8月初參加了個數據挖掘的比賽）就開始看ORB-SLAM論文了（程式碼是很早就在看的了，大概7月初就有接觸，還記得那時候把C++ Primer Plus這本書都看到了11章，把類的知識剛好看完，等於回顧了一遍c++，與此同時，每天還做一道leetcode的題目呢，哈哈）後面實驗室放假，還記得放假前跟老師說我不做dl+slam方向的了，還是做VIO這方面的吧，老師拗不過我，也沒說啥。後面放假回來，覺得如果只是為了找工作的需要的話，VIO其實在後面臨近研二結束再去實現一下，把原理弄懂，其實就差不多了吧。所以那天早上就搜了一下DL+SLAM方向的文章，因為研一學過機器學習，最優化的緣故，特別喜歡，覺得終於可以用到之前學得東西了，然後就一直找文章看。

對於DL+SLAM，我所看到的有兩大類，這方向主要以深度學習為主，按學習型別分類，supervised&unsupervised。顯然，supervised優點明顯，簡單。缺點也很明顯，要求有label，且泛化能力感人。。以depth predict任務來說，給0～10m的資料集去train，後面如果應用在0～70m的場景下，肯定會死的很慘，所以我喜歡unsupervised，也被unsupervised吸引住了，覺得怎麼可能不用給出GROUND TRUTH就可以學習到深度資訊，怎麼學的，太多的不懂驅使著我想要看懂《Unsupervised Learning of Depth and Ego-Motion from Video》這篇文章，但是遇到不懂的怎麼辦？老師也不是做這方向的，實驗室也沒人做這方向的，咋搞？？後面實在不懂，覺得沒理由是無監督吧，無監督怎麼學習啊，硬著頭皮去問論文作者，才發現，原來這裡的無監督是說沒有用到GROUND TRUTH而已，不是沒有用到其他的深度資訊，或者其他資訊。但是還記得，那時候得到CVPR的oral文章的作者的郵件回覆，很激動，讓我很是嚮往博士。後面就一直在讀文章，讀得文章多了看得部落格也多了，也想著自己翻譯一下，或者摘要幾篇出來寫個blog，但是一是怕自己理解不到位，二是沒有那個衝勁哈哈，今天也是在下載給DSO用的資料集的時候，有這個時間，有這個閒適，就順便寫下接觸SLAM以來自己的心路歷程，再稍微擴充套件一下，寫到研一的那會～～