按照作者在读者寄语中的说法：我们得榨干这本书的知识。
带着问题
为了更好的学习，我们最好带着问题去探索。
第一：核心问题与基础知识
如上图：这本书介绍了SLAM相关的核心问题和基础知识。王谷博士给我们做了梳理：
- ESKF
- 预积分
- 卡尔曼滤波器
- 因子图优化
- 松耦合/紧耦合
- 激光SLAM
- 高精定位
- ......
- 点云处理
第二：复现与实践
这本书的另一个意义：我们直接读SLAM相关的论文，可能知道大概意思，但是工程实践很难。复现难，但是这本书提供了一个从论文到实现的指引。哪怕我们没有原论文源码，也可以基于其原理，写出自己的SLAM实现。这对大部分人是非常有价值和帮助的。
第三：带着问题去探索：
- 如何利用IMU产品手册设置IMU运动方程噪声参数
- NDT有什么高效直接的实现方法
- 松耦合/紧耦合的LIO
第四：不只自动驾驶，还可VR、AR
做VR或者AR也要用到SLAM。同样要用：卡尔曼滤波、预积分、子地图、回环检测等技术。
一刷的感受：
一：不会，不懂
我说一下读第一遍的感受：好多东西根本不懂。
这时候的做法：分为两个流派：
- 一个流派：按部就班，就按照这个流程，循序渐进。一点点走上去。
- 一个流派：直捣黄龙，逢山开路，遇水搭桥。
1、先说第一个流派的：
- 好处是一步一个脚印，而且每一步都有额外的收获，每一步的收获，都会在以后无限有用。因为技术是一种层层堆叠的东西。你如果就是做技术的，那么静下心来踏踏实实的走上去，非常好。因为代表了无限的可能。因为你基础牢固，内功扎实。你修的是内功。以后想创新想突破都容易。碰到问题，知道如何完善，甚至优化。
- 问题是慢，而且容易走偏。这里说最优化和矩阵论，是研究生课程，你如果是研究生，修过这个心法，正好，不是事。如果你是本科生，如何自处。重新学习一遍这两门课最少也得两三周。你是学生还好，你如果是工作的人。如何处理。
- 这两门课其实是非常基础和实用的课程，如果走第一个流派，真心应该研究一下。
2、另一个流派：
- 碰到不会的再学。他说最优化和矩阵论，那么当碰到读不懂的地方时，直接借助方便的搜索引擎去学习，明确你的学习目标，他说最优化的什么东西。知道专业名词 ，然后弄明白这个专业名词 做什么，找一文读懂 专业名词，借助B站这类网站去找课程学习。
- （我记得有人分享过：如何快速学习一个行业 ：找20个这个行业最高频的专业词汇，无论是与人沟通还是搜索，还是看视频课，弄懂他们之后，这个行业你就入门了）
- 逢山开路，遇水搭桥，碰到不会的再去学，这样有目的的去学习，把有限的精力，集中在你的目标上。
- 不足就是创新不足，后劲不足。但也要看你具体要做啥。你的目标大小。目标就是搞懂，就别整其他没用的。
我一刷，只看我能看懂的。
学习源码。看看这本书，到底都是什么内容，哪些工作中可以直接拿来用。哪些是你不会，但是后面你也不用的。哪些是你不会，后面搞不定的，这些是二刷必须要弄会的。这个是广度。
我二刷，要把看不懂的，弄懂。
这种提高，是深度的。
二、ROS
ROS是做SLAM必须要会的，这本书不要求，但是你真心要会。我是跟赵虚左和古月居学的。
三、PCL
他虽然没提，但是你也要会。可以不专精，但是翻译官网的那本书过一遍是有意义的。
四、C++
你可以在本书学习中跟着高翔的源码一起学。特别是一些C++的新特性。多读读他的源码很有价值。高翔不仅书有营养，代码也写的相当好。
环境搭建
- 操作系统：Ubuntu20.04
- C++标准：C++17
- 硬盘空间：如果是虚拟机，请考虑笔记本单独有个400G左右的空间。因为rosbag的包都比较大。数据集有270GB。而且虚拟机也越来越大，注意记得清理
- 清理虚拟机办法：
- 本书源码：https://github.com/gaoxiang12/slam_in_autonomous_driving
- 本书数据集：百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全稳固，支持教育网加速，支持手机端。注册使用百度网盘即可享受免费存储空间
https://pan.baidu.com/share/init?surl=ELOcF1UTKdfiKBAaXnE8sQ&pwd=feky