其實跳這坑是老師推的
但SLAM卻在VR科技爆發之後
成了百家爭鳴之技術，名聲壓過它的師父SFM
整個過程可說是囫圇吞棗...但究竟要使用哪個工具、方法、立論跟貢獻在哪
真特別要感謝google、博客主、國外各種論壇網友的心得意見
否則動機目的就被口委打趴了吧...
廢話不多說
淺談:
SLAM這個技術，在國外、中國大陸的發展遠比台灣快速，
且討論相當熱絡，在台灣只有需要用到的大廠(HTC的VR、台達電...)，才會投入。
所以網路可以找到的文獻、經驗、討論，幾乎都是外國或中國大陸。
也可能是軟體生態上的差別，國外公司多，投入相對多人才進入此領域研究，
想做創新的發展；而台灣除了研究單位外，較少在此技術上著墨，
偏向希望有即刻成果的應用領域。
SLAM發展
而他們為何要鑽研SLAM這技術?
甚至還有SLAM的年會、研討會、交流的大小聚會，
其一是SLAM的應用可以非常廣泛，例如自動駕駛、到VR、MR，
都還是許多大廠爭相跳進來做的。
其二是SLAM從硬體、資料格式、到定位方法、到地圖、最後到地圖要怎麼用，
涵蓋領域實在太廣泛了，
每一個部分都值得跳進去做改善，所以現今SLAM仍是非常不成熟的技術。
從2010年Kinect V1深度攝影機開始慢慢普及後，2013年RGBD-SLAM被提出，
到去年(2016)為止RGBD-SLAM出了第二代，而且一路以來都是OpenSource。
另外跟著特徵演算的發展，ORB-SLAM出現了，
而直至今年初(2017)，同樣偏向了RGBD做為輸入，
同樣地，一路以來都是OpenSource，它還展示了簡單的VR應用。
相當值得參考，硬體上沒有限定，
它的RGBD是用既有的開放資料。
同樣在方法上做修改，LSD-SLAM利用光度校正的方法(數學很難!)，
不使用特徵點! 只用彩色圖(全像素點)，
宣稱他們的系統適用於大場景、無特徵環境，
同樣地，LSD-SLAM至今也是OpenSource。
另外微軟以近10萬的成本價，開發了Hololens，在展示影片中，特地炫耀了SLAM的功能，
因微軟夾帶著Kinect深度鏡頭的經驗，並量身打造了硬體、韌體、軟體，才能創造全息眼鏡。
而到處可見的深度學習，有沒有發展到SLAM呢，當然有: http://ai.easyapi.com/blog/view/1199
---
類SLAM的技術!?
KinectFusion
這個技術從影片看似精確度很高，但是是夭折的專案，
它的資源消耗過大，不利於長遠發展，因為它是直接對空間做切割雕塑，
所以內存、計算所佔過多，運行越久會越慢，且依然有場景丟失問題。
SFM
這個可以說是SLAM的前身，即是只用圖片產生場景結構的點雲，
但是如今SLAM比較多人討論，因為SLAM的初始概念，適用情境更廣，
SLAM除了有地圖外，還有"定位"，定位這個功能在即時運行上太重要了，
而SFM初衷上是環物(建築)的使用，所以現在大家都在SLAM上鑽研。
SLAM是偷了SFM技術，重新包裝後出發，本意不變，路變廣了。
如果說新的SFM系統，宣稱它也可以即時掃描、定位，那便是向SLAM靠攏了...
整體來說，SFM尷尬了，而國內外各個場合，也都是以SLAM一詞為主了。
(詳情可見其他文章內比較。)
---
心得
隨著AR、VR、MR的來勢洶洶
SLAM的價值只升不減
並且實現難度將會越來越低
如今各大科技公司，皆致力在硬體上的提昇
像是深度感測、鏡頭畫素、面板解析度、GPU、CPU...
有了更高速、更精密的數值作為輸入運算
加蘋果提出的ARKit、Google的ARCore、高通的Vuforia
都已經具備了基礎的平面的感知功能、影像辨識、3D重建的功能
這些公司跨足的硬體架構開發能力，加上世界頂尖的軟體工程師
將來逐漸完整到場景感知重建，也是指日可待的事啦
可望以這些工具的API，輕易實現SLAM中的
定位、重建、渲染、辨識、顯示這些功能了
至於裝置呢？
這個更不用擔心了，有鏡頭、螢幕的地方
將會處處皆是AR、MR了！
讓我們期待蘋果ARKit、Google ARCore
世上兩大頂尖軟體公司在AR上的頂尖對決吧！
