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。

上周配了一台中档主机，具体配置如下。

• 图优化
• 三维旋转
• C++记录时间
• 相机内外参解释
• shell echo字符串处理
• ubuntu 14.04 安装 ceres
• Ubuntu 14.04 安装 ROS indigo
• Ubuntu 14.04 安装 Cmake 3.9.x
• ubuntu 14.04 安装 Opencv 3.2.0
• VMware Ubuntu 无法全屏解决方案
• OpenCV重映射 & SURF特征点检测合辑
• VS2010控制台程序运行一闪而过的完美解决办法
• OpenCV数据持久化: FileStorage类的数据存取操作与示例
• fata error: LAPACKE_H_PATH-NOTFOUND when building OpenCV 3.2
• E:Could not get lock /var/lib/apt/lists/lock - open (11: Resource temporarily unavailable)

Eigen是一个仅仅由头函数组成的C++库，支持线性代数，矩阵和矢量运算，数值分析及其相关的算法。

Eigen中无论是矩阵还是数组、向量，无论是静态矩阵还是动态矩阵都提供默认构造函数，也就是定义这些数据结构时都可以不用提供任何参数，其大小均由运行时来确定。矩阵的构造函数中只提供行列数、元素类型的构造参数，而不提供元素值的构造，对于比较小的、固定长度的向量提供初始化元素的定义。矩阵类型：Eigen中的矩阵类型一般都是用类似MatrixXXX来表示，可以根据该名字来判断其数据类型，比如”d”表示double类型，”f”表示float类型，”i”表示整数，”c”表示复数；Matrix2f，表示的是一个2*2维的，其每个元素都是float类型。

我对Matlab再熟悉不过了，这里列出Matlab与Eigen语句的对应关系，以便于快速入门。

6 月 28 日，在清华大学人工智能研究院成立仪式暨清华-谷歌 AI 学术研讨会开幕式上，清华大学副校长尤政宣布成立清华大学人工智能研究院。张钹院士担任新研究院的院长，与此同时，谷歌 AI 负责人 Jeff Dean 也成为了清华大学计算机学科顾问委员会委员。