江苏龙网

  1. 首页 > 生活 > >

视觉SLAM与机器学习哪个发展前景更好( 三 )


因此，我觉得可以在“研究、突破”SLAM相关问题的时候，对机器学习能“掌握、会用”。



■网友
作者首先了解什么是SLAM，什么是机器学习后或许就明白了：
1、SLAM说是算法技术，却更似一个解决特定业务问题的软件系统，对编码和算法都有要求。
2、机器学习相关算法将越来越多的出现在SLAM中，使得SLAM的定位与地图构建更具实用性。
3、技术是为了解决业务问题出现的，单纯的学习某项技术对于技术本身将抓不住侧重点和落地点，脱离应用场景的技术难以快速转化为生产力。

■网友
视觉SLAM的泡沫, 已经开始破灭了.
1) google的自动驾驶掌门人, 宣布: 可能要几十年才能达到Level 5. 很多自动驾驶领域开始走向有辅助道路设施的自动驾驶, 这个就延长了周期.
2) 室内SLAM应用不配反光板, 能做到99.9%商业级的可靠性的目前还没有万元以下的(不同光照, 不同环境, 不同障碍表面, 千次实验50%的出错概率小于1次), 工业级的要加各种限制条件.
3) 敢让100kg重量的车辆以超过1m/s的速度在开放环境走的, 没有敢不买保险的; 保险公司也不敢上全品种险的; 安全认证体系也没有敢为此
4) 室外SLAM更是重灾区, 特斯拉的主要供应商, 原来宣称200m探测距离(高速限速行驶3秒对撞探测距离)的激光SLAM, 实际测量只能达到11米. 无法突破 以下公式的极限: 发射激光强度低于人眼伤害的mW级要求, * 发射距离衰减 * 散射角度 * 接受强度 \u0026gt; 太阳光/环境光中该频率光的强度

-----
泡沫破灭并不是说一文不值, 只是说, 之前的估值过高, 高于实际能达到的能力.
SLAM慢慢熬, 这个过程中会酝酿出一些有意思的应用? 或者只是重复前人的工作.
真心期待SLAM泡沫破灭后3~5年, 能够静静的搞搞技术, 然后5~10年后破茧重生.
---------
机器学习, 相对来说, 还有几个热点没有退热, 而且从一段时间来看,
面向具体领域的机器学习, 分支多, 专业性强, 一时半会儿不会退热度.
估计能在10年之内有所实际应用, 人才缺口巨大.



■网友
机器学习，这个问题太宽，

■网友
机器学习吧，发展成熟，应用广泛，包括应用在SLAM。
先不说视觉SLAM，较稳定的激光SLAM建图还有些问题比较棘手，比如雪天激光数据不稳定，闭环检测等。就算全部解决了，除了给移动机器人建图想不到其他应用了 :(
两者本身解决的问题就不一样。

■网友
楼主恰恰说反了 硕士更适合 SLAM 而博士才比较适合 深度学习和机器学习。SLAM 门槛并没有那么高 数学也没那么高深 其实卡的更多的是你的coding能力 一个硕士做slam 往往工程能力很强更适合找工作。 Deep learning 在research上 非常火 博士 的publication更合适。


推荐阅读


上一篇：为何OneDrive在Mac OS X下不支持同步软链接的文件夹

下一篇：游戏圈的从业者到了中年咋发展