The post contains papers-with-code about SLAM, Pose/Object tracking, Depth/Disparity/Flow Estimation, 3D-graphic, Machine Learning, Deep Learning etc.

关于科学上网，食用别人调配的酸酸乳总觉味道不对，自食其力心里才会感到踏实。受Newdee老贼指点，鄙人成功在服务器上开启了酸酸乳服务。详细过程Newdee已经在博文“SS服务器搭建”介绍地相当详细。本人记性不好，遂本文将记录几个关键步骤，以备后续不时之需。

首先，解释下SLAM的概念，借鉴高博《视觉 SLAM 十四讲》中的一句话：SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉 SLAM”。

ECCV 2018 视觉定位综述

以下是今年ECCV上几位大牛介绍SLAM技术的tutorial pdfs，涉及基于特征点以及基于学习的SLAM算法介绍，并在最后探究了SLAM领域的主要问题以及未来的发展趋势。

• Feature-based vs. Learned Approaches
• Current State of Feature-based Localization
• Learning-based Localization
• Failure Cases of Feature-based and Learning-based Methods
• Long-term Localization: Towards Higher-level Scene Understanding
• Open Problems of Learning-based Methods

整理还未完备，先祭出这几本书&博客，方便随时查看。

线段检测算法汇总，若无时间看正文，直接到链接看线段检测算法代码集合。