本文转载自：计算机视觉life本文由计算机视觉life整理，如有侵权可联系删除。
原提问：
题主女生，研一，导师分配做slam方向，但是一直没给出具体的研究思路，自己通过初步了解，对这个方向也比较感兴趣。我的计划是能发篇水平不错的论文，毕业后直接工作，最好能与slam有些关系，但是现在有些迷茫，希望各路大神能给出一些具体的研究方向的建议，以及个人能力需要达到一个什么样的水平？
吴小奇：
实际上题主问的应该是：研究生阶段可以做出东西的SLAM方向。
因为激光SLAM的发展已经较为成熟，所以猜想这里题主应该更加关注的是视觉SLAM这一块：
清华大学高翔博士的blog中：视觉SLAM漫谈 (三): 研究点介绍已经说明的很清楚，对于SLAM的基础研究来说有哪些具体的研究点。
从应用层面来说的话，我这里所考虑到的主要有几点：
-
导航方向：如何通过视觉SLAM构建出来的地图进行导航？导航当中的路径如何规划？
-
深度学习方向：如何用深度学习为SLAM提供场景理解？其中语义SLAM帮助机器人识别场景中的物体是现在研究的热门之一。
-
AR方向：如何通过SLAM为AR提供位置服务并在实际场景中有所应用（但感觉苹果的ARkit已经实现的较好了）
-
还有就是针对实际使用的场景：动态场景中人员的干扰，光照的变化等等，这些都是可以研究的方向。
关于资料来说的话：首先首推的就是前面提到的高翔博士的blog（视觉SLAM漫淡 - 半闲居士 - 博客园）和高翔博士的《SLAM十四讲》。另外就是圣经《Multiple View Of Geometry》还有《State estimation of Robots》。
至于要达到什么要求的话....，这个还真不好说：首先C++要过关，可以看这篇回答《研究SLAM，对编程的要求有多高？》所以《C++ Primer》和《STL学习》这两本书我觉得肯定少不了（至少我觉得看完这两本书后直接开始撸各个SLAM开源代码的压力小得多的多）。然后为了能自己对开源SLAM修改的话《重构》这本书最好看下（看完这本后，1W+的SLAM源码真的没有那么可怕了）。
另外说点题外话：现在SLAM发展较热，虽然还没有去公司实习，但是感觉各个公司各位SLAMer的要求没有那么高。但是实际上个人觉得要做好SLAM的话，至少需要两年的时间好好打好基础，然后才有可能能对SLAM有所研究和突破。用韩寒的话来说就是现在风太大了，猪都吹上天了，但风一过，猪掉下来也就死了。我们要做一颗树，这样才能长久地生存。小白答题，如果有错的话，麻烦各位多多指教。
匿名：
工作狗，对研究没什么有用的建议，只说几句废话：
-
不建议初学者从《计算机视觉中的多视图几何》看起，不是说这本书不好，而是它没有针对性，当然如果你有大把时间，当我没说；
-
发论文是需要有创新点的，既然你是硕士，最好不要自己创造新理论，问问导师或者师兄师姐，找个已有但不成熟的方案，钻下去。说白了，就是要挑别人文章里的刺，或者在已有方案的基础上创新。当然，如果你是旷世奇才，也当我没说；
-
如果你想短时间入门的话，快速读完《视觉slam十四讲》部分章节，然后就着论文看orb-slam源码是个不错的选择。一是因为orb-slam代码可读性高，博客多，还有中文注释版，跟《视觉十四讲》重合也挺大。。。二是因为它全，闭环检测，重定位，跟踪建图都有。。。当然如果你已经有slam经验了，那也当我什么都没说；
-
最后多说句题外话，你都打算工作了，去个企业实习比发个论文更重要。。。把slam理论学扎实，动手能力强，有个自己小小的demo，刷刷题，然后找个名企实习，比发论文帮助更大。当然，如果你是大牛，还是当我神马都没说。。。
Kissrabbit：
近几年，也有人在做用深度学习技术做视觉里程计的工作，也是一个比较不错的方向，至少听起来还是很高大上的，逼格够，不过，就是这种方法的理论基础弱，可解释性太低，有点让人不知所云，但还是很热的，可以推荐楼主看看DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks，这篇文章，还有其他的，如PoseNet，CNN-SLAM、Exploring Representation Learning With CNNs，都可以的；
另外，近几年语义SLAM也是一个热门方向，目前，该领域还不是很成熟，所以有很多坑可以挖，前一阵子读了一些文章，推荐给楼主几篇：SLAM++_ Simultaneous Localisation and Mapping at the Level of Objects、Towards semantic SLAM using a monocular camera、A SLAM based Semantic Indoor Navigation System，更多的文章就从参考文献找吧。
另外，一篇Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age ，是SLAM的全方位的综述，真的很有必要看一下子的，强烈推荐！
至于如何入门SLAM，其他楼主都说的很好了，我就不废话了。不过，ORB-SLAM开源代码，还是很推荐楼主跑一跑的，学习学习，可以对基于特征的视觉SLAM方法有很多的认识的。
