从零开始一起学习SLAM | 为什么要学SLAM？

在《零基础小白，如何入门计算机视觉？》中我提到过，计算机视觉的研究目前主要分为两大方向：基于学习的方法和基于几何的方法。其中基于学习的方法最火的就是深度学习，而基于几何方法最火的就是视觉SLAM。

SLAM将成为计算机视觉的下一个风口

在前几年计算机视觉的三大顶级会议（CVPR,ICCV,ECCV）上，几乎全是深度学习的研究，而这样的情况在这两年出现了新的变化：在2018年计算机视觉国际顶级会议 CVPR论文录用名单中，其中涉及SLAM/三维视觉 的工作超过 90 篇，占据了全体收录论文的近 1/10。

而今年参加校招和社招的小伙伴也向我透露，今年深度学习方向的竞争非常激烈，想要拿到较好的offer，要么有牛叉闪闪的论文，要么是大牛实验室有过硬的项目经验，难度比前几年大大提升。而今年SLAM方向的需求量上升而相关从业者相对较少，相对还比较容易，类似几年前深度学习刚刚火起来之前的样子。可以预见，SLAM将成为继深度学习之后计算机视觉领域的下一个风口。主要有以下几个依据：

1、深度学习在检测、识别领域具有无比强大的能力，但是在涉及多视角几何相关的SLAM领域，深度学习的作用非常有限。究其原因是因为在多视角几何为基础的SLAM领域，需要明确清晰的理论基础保证，而深度学习的「黑盒子」模型目前还不太奏效。