研究SLAM，对编程的要求有多高？
说到SLAM，很多人会提到MATLAB。主要是因为大部分人都是在本科阶段接触MATLAB，所以希望在以后的SLAM学习中用到。
MATLAB确实有很多优点:语法简单，开发速度快，调试方便，功能丰富。但是在SLAM领域，MATLAB的缺点也很明显，主要是这三个:
1.你需要正版软件(你可以t在真机上安装一个盗版的MATLAB
2.操作效率不高；
3.需要一个巨大的安装包。
另一方面，C的优势在于直接使用，运行效率高，但开发速度和调试比MATLAB慢。
但是光是运行效率就足以让很多SLAM方案选择C作为开发语言，因为运行效率真的很重要。
同样的算法，如果它能MATLAB写的不能实时，但是C写的可以实时，你说哪个？
当然，MATLAB也有一些用处。我看过一些SLAM相关的公开课，让学生用MATLAB做仿真，交作业。这个没问题，比如SLAM工具箱。
同样，类似于MATLAB的Python(和octave)也经常这样使用。它们的快速发展带来了很多便利。当你想验证一些数学理论和想法的时候，这些都是很好的工具。It掌握MATLAB和Python是很棒的。
但是说到实用性，你会发现几乎所有的方案都在用c.因为运行效率是如此的重要。
好吧，既然有心学MATLAB，为什么不学好C呢？
让让我们谈谈C将学到多少。
在程序员s的话，C语言比较特殊。你可以说你精通Java，但千万不要说你精通C，C非常博大精深，有数不清的特点，而且会随着时间不断变化更新。然而，大多数人不。;不需要学习所有的C特性，因为很多东西永远不会用到。
作为SLAM的研究人员，我们主要面对的是算法的开发，所以我们更关心的是如何有效的实现各种相关算法。另一方面，那些复杂的软件架构和设计模式，我个人认为在SLAM中起次要作用。毕竟使用SLAM的目的是计算位置，构建地图，而不是编写一个可以自动更新，具有多人在线对战功能的机器人战争平台。
你的主要精力可能花在矩阵运算、分块、实现非线性优化和图像处理上；你可能对并发、指令集加速、GPU加速等主题感兴趣。，或者可以花点时间学习；你也可以使用模板来扩展你的算法，或者你也可以试一试。
相应的，很多功能性的东西，比如UI，网络通讯等。，用的时候不妨摸一下。但是当你专注于SLAM的时候，你不会我不需要专门学习。
说了这么多，SLAM要求的C级一般比你在书上看到的那些样例代码要高。因为那些代码是作者用来给初学者介绍语法的，所以会尽量简单。实际的代码往往结合了各种奇怪的技能，乍一看会显得深不可测。
地理对话
学习SLAM对编程的要求有多高？半闲散俗人2016-11-2219:16
说到SLAM，很多人会提到MATLAB。主要是因为大部分人都是在本科阶段接触MATLAB，所以希望在以后的SLAM学习中用到。
MATLAB确实有很多优点:语法简单，开发速度快，调试方便，功能丰富。但是在SLAM领域，MATLAB的缺点也很明显，主要是这三个:
1.你需要正版软件(你可以t在真机上安装一个盗版的MATLAB
2.操作效率不高；
3.需要一个巨大的安装包。
另一方面，C的优势在于直接使用，运行效率高，但开发速度和调试比MATLAB慢。
但是光是运行效率就足以让很多SLAM方案选择C作为开发语言，因为运行效率真的很重要。
同样的算法，如果它能MATLAB写的不能实时，但是C写的可以实时，你说哪个？
当然，MATLAB也有一些用处。我看过一些SLAM相关的公开课，让学生用MATLAB做仿真，交作业。这个没问题，比如SLAM工具箱。
同样，类似于MATLAB的Python(和octave)也经常这样使用。它们的快速发展带来了很多便利。当你想验证一些数学理论和想法的时候，这些都是很好的工具。It掌握MATLAB和Python是很棒的。
但是说到实用性，你会发现几乎所有的方案都在用c.因为运行效率是如此的重要。
好吧，既然有心学MATLAB，为什么不学好C呢？
让让我们谈谈C将学到多少。
在程序员s的话，C语言比较特殊。你可以说你精通Java，但千万不要说你精通C，C非常博大精深，有数不清的特点，而且会随着时间不断变化更新。然而，大多数人不。;不需要学习所有的C特性，因为很多东西永远不会用到。
作为SLAM的研究人员，我们主要面对的是算法的开发，所以我们更关心的是如何有效的实现各种相关算法。另一方面，那些复杂的软件架构和设计模式，我个人认为在SLAM中起次要作用。毕竟SLAM的目的是计算一个位置，然后建造它。这个地图不是要写一个可以自动更新，具有多人在线对战功能的机器人战争平台。
你的主要精力可能花在矩阵运算、分块、实现非线性优化和图像处理上；你可能对并发、指令集加速、GPU加速等主题感兴趣。，或者可以花点时间学习；你也可以使用模板来扩展你的算法，或者你也可以试一试。
相应的，很多功能性的东西，比如UI，网络通讯等。，当你使用它们时可能会被触动，但你不会。;当你专注于SLAM时，你不必特别研究它们。
说了这么多，SLAM要求的C级一般比你在书上看到的那些样例代码要高。因为那些代码是作者用来给初学者介绍语法的，所以会尽量简单。实际的代码往往结合了各种奇怪的技能，乍一看会显得深不可测。比如你在课本上读到的是这样的:
intmain(intargc，char**argv)
{
vectorltstringgtvec
vec.push_back(abc)
for(inti0()i)
{
//...
}
返回0
}
你看《CPrimerPlus》的时候，觉得C也不过如此，没有什么特别难懂的地方。然而，实际的代码是这样的:
嵌套模板类(g2o中的块求解器):
g2o::blocksolv::blocksolv:lin::lin::blocksolvertltg2oecho-@.com:blocksolverltg2oech23-@.com:blocksolvertraitslt3，1gtgt(linearsolver)g2oech25-@.com:optimizationalgorithmlevenberg*solvernewg2oech27-@.com:optimizationalgorithmlevenberg(solver_ptr)g2oech29-@com
模板元素(从ceres自动派生):
虚拟boolevaluate(双常量*常量*参数，
双*残差，
double**Jacobian)const{
如果(！雅各宾派){
r::variadicevaluatelt
CostFunctor，doubl::call(*functor_，参数，残差)
}
r::autodiffltcostfunctor，doubl::differential(
*函子_，
参数，
SizedCostFunctionltkNumR::num_residuals()，
残差，
雅各布)}
C11项新功能(来自SVO功能提取部分)
voidfram::s::for_each(FTS_。b::updateseed(constfloatx，constfloattau2，Seed*seed){
floatnorm_scal::isnan(norm_scal::math::normal_distributionltfloatgtnd(seed-gtmu，norm_scale)
浮动s21。/(1./seed-gtsigma21。/tau2)
浮点ms2*(种子-gtmu/种子-gtsigma2x/tau2)
浮动C1s::math::pdf(nd，x)
浮动C2种子-gtb/(种子-gta种子-gtb)*1。/seed-gtz_range
浮点归一化_常数C1C2
C1/归一化_常数
C2/正常化_公司nstant
浮动fC1*(种子-gta1。)/(种子-gta种子-gtb1。)C2*seed-gta/(seed-gtaseed-gtb1。)
浮动eC1*(种子-gta1。)*(种子-gta2。)/((种子-gta种子-gtb1)。)*(种子-gta种子-gtb2。))
C2*seed-GTA*(seed-GTA1.0f)/((seed-GTAseed-gtb1.0f)*(seed-GTAseed-gtb2.0f))
//更新参数
浮动管理部门_新C1*C2*seed-gtmu
种子-gtsigma2C1*(s2m*m)C2*(种子-gtsigma2种子-gtmu*种子-gtmu)-mu_new*mu_new
seed-gtmumu_new
seed-gta(英-法)/(法-英/法)
seed-gtbseed-gta*(1.0f-f)/f}
我不我不知道你看到这些代码的感受，但我当时的内心感受是:这怎么和课本上的完全不一样？而且研究了很久，发现人其实是对的！
[我我不太会发表情。无论如何，它it'下定决心对你有好处
总之，C的水平要求应该在课本之上。而且，这种水平的提高，大多是建立在不断看别人的过程s代码和编写您自己的代码。是反复练习的，不仅仅是看书。特别是对于视觉SLAM问题，很多时候你可以不要根据论文实现一套方案，这很大程度上取决于你的理论和代码技能。
所以，请尽快开始学习C，使用C，这才是学习SLAM的正确方法。
唐不要在你的舒适区里犹豫太久，所以没有进步。(同样适用于想学SLAM但是不我不想学Linux。)
关于闭环检测的库，稍微列举几个。
1.DBoW系列
TRO12的一篇文章，其中使用了k-means训练的字典树。它与OpenCV结合紧密，原理相对简单。
GitHub-dorian3d/DBoW2:增强的C语言层次词库()
GitHub-rmsalinas/DBow3:dbow2的改进版本
()
2.FABMAP系列
周柳树，康明斯系列论文。作者自己提供了一个开源版本，有人在OpenCV中实现了一个，所以一共两种。
FabMap原始(~)
OpenCV:OpenFABMAP
()
3.DLoopDetector
基于DBoW2()开发的循环检测库
建议从DBoW2或DBoW3开始。原理和实现都比较简单，效果不错。
matlab与stk怎么连？
步骤:
1.确保matlab是32位的；
2.在"安装路径agistk9in"