SLAM算法实习生-实习面试准备篇（1）
实习之前投了简历，在简历上介绍了自己掌握的一些知识和技能
这些东西面试是可能问到的，不妨把之前学过的知识认真梳理一下
既然是面试SLAM算法实习生，那就先从“视觉SLAM十四讲”入手，
SLAM概念：Simultaneous Localization and Mapping，译为“同时定位与地图构建”
指搭载特定传感器的主体，在没有环境先验知识的情况下，于运动过程中建立环境模型，同时估计
自身运动
如果传感器主要是相机，就称为Visual SLAM
学习SLAM的经验：
1，重视实践，SLAM是一项和实践紧密相关的技术，如果数学理论不能转化为可以运行的代码，就不能说有意义
2，应该避免“书看懂却不会编成”的情况
相机的分类：单目相机Monocular，双目相机Stereo和深度相机RGB-D
MonoSLAM：
通过移动相机估计它的运动（motion），同时估计场景中物体的远近和大小（structure）
具有尺度不确定性
StereoSLAM：
计算量大，不一定准确，并且相机的标定比较复杂
RGB-D SLAM：
传感器的噪声问题，容易受日光和环境干扰
经典Visual-SLAM框架：
1，传感器的信息读取，图像的读取和预处理; 如果在机器人里，需要读取惯性传感器等数据
2，视觉里程计（Visual Odometry VO）估计相邻图像间的运动，也称为“前端”（Front end）
3，后端优化（Optimization），后端接受不同时刻视觉里程计测量的相对位姿，以及回环检测信息，对它们
进行优化，得到全局一致的轨迹和地图，也称为“后端”（Back End）
4，回环检测（Loop Closing）判断机器人是否到达过先前的位置，如果检测到回环，它会把信息提供给后端
进行处理
5，建图（Mapping）根据估计的轨迹，建立与任务要求对应的地图
先到这里
