大四要做畢業設計了，因為保送去了外校，決定畢業**跟研究生導師做。研究生導師是做gps導航的，想發展視覺導航方向，就想讓我做視覺里程計，嘗試把視覺定位研究一下。基本沒有計算機視覺的基礎的我，就這樣子誤打誤撞進了計算機這個深坑。
後來發現了清華博士高翔寫的閒半居士部落格，在這裡有了乙個簡單的入門。他這裡還有乙個簡單的slam的demo，基於ubuntu系統做的，然後自己為了實現，又去安裝了乙個ubuntu，嘗試在linux系統學習，又花了不少時間在安裝系統，學習ubuntu，安裝各種種樣的庫上，反正到最後，還是沒有弄出來那個demo，最後也是直接放棄了。寒假到了，又停了一段時間。寒假的時候得知高翔把他的部落格的內容整理成書了，在4月出版，當時也是挺激動的，覺得可以有書參考學習了。
過年回來之後，覺得已經浪費了不少時間了，想認認真真花2個月的時間，把畢設給弄完了，大概也4月底了吧。留一點時間出去旅遊或者實習，不然時間上很被動，關鍵是本該做的事如果沒有做好的話，也沒有心情去學其它的東西。所以就下了決定，來一場苦戰，把這個難關給啃下。
這回可沒有這麼多時間到處看看，到處逛逛了，目標挺明確的，就是把畢業**做好。先看vo本身的概念，先把vo的流程框架弄清楚之後，做出demo，再深入研究各部分的數學原理，同時opencv也要學習，因為很多東西都是用opencv去實現的。
看了幾篇vo的碩士**，就大概知道了整個技術框架，雖說裡面還有很多細節是不懂的，不同的框架如果拼湊到一起，也是不了解的。
但是，乙個優秀的vo，肯定是涉及到大量的優化問題，從特徵提取，到特徵匹配。vo是slam的前端，算是乙個區域性優化，再到後面要做成slam的話，必然涉及全域性優化。
跑別人的**常常是花費了時間卻以失敗告終，原因在於對於各種庫，以及編譯器的不了解，出了bug卻無從下手去解決。
現在的話，demo有了，可以在上面驗證自己的想法了。下一步要做的是，回歸理論，把每乙個環節的原理弄清楚，加強理論環節。然後把學習過程中的所得寫下來，後面可以用在**寫作上。
記得有人在乙個採訪中問乙個學術大牛為什麼這麼高產，他說有一點感悟就會寫下來，慢慢就成了很多文字材料，到寫**的時候就不怕無從下手了。
里程計 推算定位與視覺里程計
以下內容翻譯自wiki百科。里程計是一種利用從移動感測器獲得的資料來估計物體位置隨時間的變化而改變的方法。該方法被用在許多種機械人系統 輪式或者腿式 上面，來估計，而不是確定這些機械人相對於初始位置移動的距離。這種方法對由速度對時間積分來求得位置的估計時所產生的誤差十分敏感。快速 精確的資料採集，裝...
里程計 推算定位與視覺里程計
以下內容翻譯自wiki百科。里程計是一種利用從移動感測器獲得的資料來估計物體位置隨時間的變化而改變的方法。該方法被用在許多種機械人系統 輪式或者腿式 上面，來估計，而不是確定這些機械人相對於初始位置移動的距離。這種方法對由速度對時間積分來求得位置的估計時所產生的誤差十分敏感。快速 精確的資料採集，裝...
里程計 推算定位與視覺里程計
里程計是一種利用從移動感測器獲得的資料來估計物體位置隨時間的變化而改變的方法。該方法被用在許多種機械人系統 輪式或者腿式 上面，來估計，而不是確定這些機械人相對於初始位置移動的距離。這種方法對由速度對時間積分來求得位置的估計時所產生的誤差十分敏感。快速 精確的資料採集，裝置標定以及處理過程對於高效的...