数学基础差，感觉学SLAM 很难，如何去提高?

会员服务 ·

数学基础差，感觉学SLAM 很难，如何去提高?

2020 年 7 月 4 日 计算机视觉life

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

本文由深话AI 公众号整理，如有侵权可联系删除。原文链接：

https://www.zhihu.com/question/392255715/answer/1196900617

原提问：

本科数学基础差的感觉 SLAM 很难，如何去提高?

在日本读的本科，到大四进入研究室才开始接触slam。但本科期间数学基础有点差。日本不像国内作为基础的数学课。老师会讲的特别细，知识点会帮你串起来。而且语言上的关系学得不好。当然了，也有自己没有太努力的缘故。

目前只会看懂orbslam2的代码和做一些功能追加，比如pcl点云相关的。懂一些专业名词和算法功能。但是自己对于算法的理解和推倒能力太差了。特别看论文时时常会对公式之类的不能有很好的理解。

请问下大佬们有啥国内的书比较推荐的？在slam领域能用到的一些高等数学基础之类的。大概打算花半年的，研究室固定时间之外的时间，恶补一下数学。对于数学基础不好，很难从头写一个有所优化创新的代码框架。所以感觉很难交出paper，最近很是苦恼，研究方向目标是实时三维重建，麻烦大家帮助

高明：

工程slam对数学要求不算特别高。大部分都是应用数学范畴，但是本科只学过四门数学课的确不够用。比如我本科的四门数学课高数线代复变概率统计。

正如你所说，你研究生阶段开始学习数值分析，最优化，凸优化，slam要用一点李代数李群表示位姿做优化，矩阵论这些东西。

其实所有这些，都不是空中楼阁，往往都有明确的现实物理意义。所以我建议你在补数学基础的时候，要时刻记得仅仅看公式推导是不够的，要去找相应部分的开源代码看，甚至自己写。

书籍有人已经说了slam14讲作为入门书，非常推荐。可以当做入门vslam的第一本书来看。

因为这本书相对基础，你看的过程中也可以针对性地去补缺失的数学和编程。高翔博士学识丰富，而且用自己的经验化繁为简。

在此基础上，你可以对比如如何实现自动微分，如何算法层优化速度，如何在指定的计算机平台上，从c++一直优化到指令集(ps这本书不教你这种计算机层面的优化，得看别的书)，这样的扩展(这本书里没讲这些，但是看完之后你就会有一定能力去探索了)这样整体的框架就有了。

数值分析这两本不错，可以当做入门上面的第一本数值分析，是业内大牛写的，水平很高，非常全面，有很多你在slam上不会碰到的数值问题，对数值各种问题有全面讲解。如果你只打算做slam，可以选择看一部分章节。第二本，相当简单粗暴，而且c实现的，纯粹入门找感觉用的，如果你编程和数学都比较差，先把第二本看了，再去看第一本。数值分析的课程，得多编程。虽然slam里面一般用eigen，不用你自己写底层数值算法，既然你想深干，了解一下还是有好处的。因为slam涉及大量矩阵优化计算，如果你想深入，可以看一下下面这本斯坦福大佬的著作，怎么说呢，作者是现代很多数值算法祖师爷。eigen下面调用的blas,lapack很多算法都在这本书里，或者引用里面呢。如果你想在优化方面做的深一点，自己独创算法，啃啃硬骨头，也许会用的上。作为数学渣的工科狗，日常计算矩阵公式，各种矩阵微积分，行列式计算公式，即用即查，实乃居家旅行，看paper写paper必备良品，就是这本只有英文，几十页，信息量巨大凸优化很经典的反正我在cv里面遇到很多问题，都可以转成凸优化来解决，不过呢，非凸的就很难搞了三维重建，计算机视觉中的多视图几何怎么可以少呢新的中文版整得这么鲜艳，反正我也不好说啥，你不是做三维重建，虽然现在很多论文都用深度学习，经典算法还是有很多值得借鉴的啦。3d方向，这本一定要刷透。这本书本身没有编程代码，相应的算法opencv,pcl里面有实现，也可以自己写写，练练手。

还有一本跟上一本有点内容重合，计算机视觉中的数学方法。自动化所老cver写的，好想都退休了，这位大爷数学出身，需要补一点解析几何和射影几何的内容了。数学系的射影几何放在高等几何下面，国内数学系开的不多，满眼的数学符号公式，一般的工科生乍一看估计头皮发麻。状态估计，机器人学中的状态估计，这本不错。我正在看，也在专栏发布了我做的课后题答案，不见得对哈哈哈，有错误欢迎过来指正哈这本书整体来讲我觉得不错，不过也有坑，中英文版我都看了，我觉得作者有的书中概念指代不是特别清晰，小小吐槽一下。

还有一本经典概率机器人，现代的slam框架奠定者，新的slam一般都是改内部的方法，整体架构方式改动不大，有冲劲有想法也可以改一改。slam里面喜欢用李群李代数做优化slam现在也在吸取深度学习的经验，很多新的slam框架，包括3d场景识别分割都在尝试各种深度学习网络，所以，现在搞slam不了解深度学习是不行的，开本花书镇镇场子深度学习的各种网络结构发展很快，现在还有gnn，未来也许会跟图论有交集呢。图论来个入门机器人这块，随机过程是很有必要的，虽然最后在控制上都是离散算法，可是离散的基础是连续性的。还有，机器人这块，也用机器学习的，所以入门的prml 了解一下其实我们说的算法都是计算机算法，基本的数据结构和常规算法我觉得你应该是了解的，你应该已经迈过算法导论的阶段了，我怕你真没整过

暂且列出来吧，你要是本科或者高中就刷完了，可以忽略这本其实不论是slam还是机器学习，都有泛函分析和变分法的影子，我推荐这么深，肯定有人要骂我误人子弟，但是理论严谨一点这么需要的啊啊啊啊prml上来就是变分法的，推荐个入门的吧，难度不高，我初恋女友在国内211读数学，他们用的这个变分法我是在朗道里面看的，但是我不能给你推荐朗道势垒坑你，欢喜就好

有人推荐了因子图那本书，我觉得可以去看更经典的一本，概率图数值这块还有一本，我觉得挺入门的，号称圣经，几个奥斯汀的教授写的。稍微有点老，在里面用c++各种实现算法

数值最优化还有一本很经典的－－－－－－－－－－－－－－－－－－－－

半年时间稍微短了点，所以有的大而全的书要选择性看，比如说最后一本的数值优化，有的书，要仔仔细细的刷，有时候还得看更细致得论文。还有一点，一定要切记，补数学的过程中，一点要编程，碰到一个新的算法，即使不自己实现，也要看一看别人的实现，最次也要在脑袋里模拟一下算法运行过程。

除了书籍，期刊会议可以自己搜索一下机器人视觉方面的有很多人推荐的，我这里额外推荐一下siam的，属于工业数学或者应用数学。其实很多在数学系下面做ai这块的，也有论文往这上面投。

－－－－－－－萌萌的分割线－－－－－－－

推荐了这么多，半年估计你看不完的，我自己试过，半年时间没搞完，不过我的资质略低，属于学渣。还是有选择的多看一些吧。我记得我研究生开学典礼的时候，白春礼院士说，抓住自己一生中不多的时间多读书，立大志。与君共勉。

其实很多更深数学的我没推荐，北美像ucb,cmu的ai这方向博士要求应该比我的推荐要稍微深一点，不过量应该没我推荐的这么大。我水平实在有限，3d 还有微分几何信息几何，流形什么的我都没推荐，好多都是纯数学出身的在做，而且大部分是理论性的。另外3d跟图形学结合也是一个趋势，有兴趣可以看一下这方面

－－－－－－－－－再来一个萌萌的分割线－－

在补数学基础的过程中，其实你已经具备了进入一些方向的能力，可以每天起床前刷一刷arxiv自己感兴趣的方向，看着看着随着自己的积累，好多东西自然就懂了。不过机器人光有理论还不够，有了想法立马去实操写代码，去真机上跑。

我这里是假定你已经有了很好的计算机基础的。你要是计算机和编程也不好，抓紧补，slam有很强的应用背景，有的paper写的好看但不顶用啊，所以理论和实践结合有可能会搞出更鲁棒，更优的算法或者框架。实时性这块，放弃一些cver只用python的幻想，c++撸起来。很多slam用的库用到了模板元编程，如果只调用别人的库，写一些基本的c++代码也还好，但是要是想自己弄点建设性的东西，要自己写库的。所以我的一个建议，在补数学的同时，工程技能点抓紧往上垒，尤其数学搞了很多发现自己可能不是那块料，一定要把工程抓牢。ps机器人视觉slam包括3d，是有不少数学博士也在做的方向的我就见过某某师范大学数学系，拿激光扫描器，做3d重建算法的，张正友就是应用数学博士

－－－－－最后萌萌的分割线－－－－－－－

如果能做到把很多方向融汇贯通，很有可能创造出绝学(可能我金庸看多了 )

范帝楷：

其实国内本科数学教育，普通工科也挺差的，强如 @酱油兵小C 这样能帮老师写高数书的大佬都是自己学出来的。

slam搞搞玩是用不到多少数学的，就几个公式翻过去倒过来，难一点就是理解理解图，其实基本够用。其实如果想快点入门，最靠谱的方法是熟练工教下你，本来就几个公式，背一下，然后做点练习，就差不多了。

如果想深入学slam后端，难度是很大的。举个最简单的例子，正常来说，globalBA是最精确的，如果它都不行，整个优化肯定就不行。但是你受到资源限制没办法一直做全局优化，所以自然衍生的问题是，怎样近似全局优化，使得你的局部优化又快又准？如果局部优化不太行，是否是近似搞错了，还是本身全局优化就已经算不好了？

要搞定这个问题，你需要学习的知识就很多了，例如代数图理论，概率图等，还是那句话，如果没做好心理准备，就搞这个，想试试玩，我还是劝退

酱油兵小C：

我是本科大二开始接触这个领域的。不过是从ROS入手，才慢慢接触SLAM的。

我也不跟你提学SLAM要看哪些大头书了，给你的建议，如果不想学ROS，那么就找个开源的SLAM系统去学习。先学会linux下编译这个源代码，然后跑起来。跑起来了才能继续后面的工作，其他的先放一放。一般来说，去搜个视觉里程计学习一下可以快速入门。激光雷达的我不熟悉，但是看其他学激光雷达的朋友，大多都是二维gmapping，cartographer，三维Loam这样。具体的可以另外发帖细致问。

强烈推荐的是高翔博士的博客，半闲居士的一起学SLAM系列，先学会一个RGBD里程计。配合视觉SLAM十四讲看，会理解得更深。当然这只是给你个insights，并不能帮助你把SLAM学好，后期的一些进阶还是离不开各种理论实践。

总体来说，本科学习SLAM是很吃力的，一来知识储备跟不上，二来确实精力也不够。我也是越到后面，才越来越理解之前看过的一些东西。反正吧，如果打算读硕士，又热爱这东西，那你就可以入坑。不然的话，还是劝退吧。本科确实挺难对这东西有比较好的认识。当然，这是对我而言。大佬除外！大佬除外！大佬除外！

从0到1学习SLAM，戳↓

视觉SLAM图文+视频+答疑+学习路线全规划！

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~