SLAM算法工程师学习方向

https://www.cnblogs.com/xtl9/p/8053331.html https://zhuanlan.zhihu.com/p/28565563

1.编程基础

《Effective C++》《C++ Primer》《Effective STL》
    c++11

2.数据结构与算法。

入门推荐

《数据结构（C++ 语言版）》

刷题，leetcode和剑指offer。
时间来不及推荐这个

3.SLAM基础

《SLAM十四讲》《计算机视觉中的多视图几何》《State Estimation For Robotics（Tim.Barfoot）》《概率机器人》
视觉，CSE486是一个比较好入门的材料，（湘厦人的博客）

Eigen、OpenCV、PCL、ROS这些基础的工具需要掌握.
后端优化的库g2o、GTSAM、Ceres solver可以先选一个开始学，工程上推荐用g2o，大家用的比较多，不过注释很少需要一定的功力才能看懂。
GTSAM代码写得要好读一些，而且具有优秀的编程规范，十分适合学习，GTSAM的doc目录下也有很多写得很好的文档，相比与其他两个库，其 iSAM 求解器是一大亮点。
Ceres 是谷歌出的优化库，代码注释十分良心，配合一些最优化的书学习最适合不过了。同时注意多写博客分享自己的心得体会，这个在招聘时也是加分项。
最后对于SLAM这一块，还需要读综述以及跑跑Demo，如ORBSLAM、SVO、LSD-SLAM 等。
重点：

相似变换、仿射变换、射影变换的区别
Homography和Fundamental Matrix的区别，包括二者区别，几个自由度，为什么是这么多自由度，怎么计算，这些在多视图几何那本书中都有
视差与深度的关系。在相机完成校正后，则有d/b=f/z,其中d表示视差，b表示基线，f是焦距，z是深度
PNP算法
闭环检测常用方法
给一个二值图，求出最大联通区域（可以用深度优先和广度优先算法，现场手写代码）
说一说梯度下降法、牛顿法、高斯-牛顿法区别
边缘检测算子
BA算法
SVO中的深度滤波器原理
说一说某个SLAM的工作原理（orb,lsd,svo,ptam）及其优缺点，如何改进
实现RANSAC的框架（MRPT写得是比较好的，注意每次此迭代后需要更新迭代次数。见libs/base/src/math/ransac.cpp）
简单实现cv::Mat()
简述一下GN、LM等优化方法的区别
推导一下卡尔曼滤波，描述一下粒子滤(http://blog.csdn.net/heyijia0327）
描述一下SIFT或者SURF特征检测，匹配
如何求解Ax=b (非迭代、迭代，其中非迭代的方法可以参考eigen手册，上面 列了一些(http://eigen.tuxfamily.org/dox/group__TutorialLinearAlgebra.html)
简述一下Bundle Adjustment的过程

8da8