接触SLAM有半年左右，这段时间，我们跟进最新的开源算法，并根据实际情况修改了一些算法源码，实现机器人的slam、路径规划和避障行为。而我也从一个距离门口18条大街的小白顺利入了门。
之前由于基础薄弱，对计算机视觉、SLAM、机器人导航的一些概念不太明确，导致在选方案和传感器的时候，大方向有点模糊，没能跳出局部看全局，走了一些弯路。随着学习的深入，对一些基础知识也有了相对清晰的概念，最近试着梳理了一下相关的东西，也算是自己总结。
先祭出一张我自己徒手画的框图：
１、之前一直认为，机器人导航用的地图就应该是SLAM输出的地图，但在图优化时代，visual slam输出的地图，似乎只是用来追踪摄像机轨迹的。机器人在获得相机pose后，需要借助其他传感器，如激光雷达等，来构建导航端需要的障碍物地图。也就是说，导航用的地图和visual slam输出的地图不用混为一谈。
２、slam是属于计算机视觉的一个分支，如果要用视觉做一些其他的应用，比如一些视觉交互和识别等，由于视觉计算比较消耗资源，在系统硬件架构上不应该与slam放在一起做，本身也应该是两个不同的研究方向和应用场景。
３、cv、slam、机器人导航，会有一些交叉，但是本质上是属于不同的研究方向，各自有各自的方法和难点，如果团队想要做得比较深入，应该三部分研究工作由不同的人来承担。我司现在就略为混乱，基本上每个人都涉及到了这三个方向，这样效率会比较低。
以上是我自己梳理的东西，比较基础，有的也是显而易见的东西，若有错误的地方，希望看到的朋友能不吝赐教。越学习越感觉自己的无知，需要学习的东西太多了。