除了网页外 网站还需要怎么欣赏一个网站设计图

除了网页外 网站还需要,怎么欣赏一个网站设计图,企业网站推广效果从哪些方面进行分析,做菠菜网站代理犯法吗点击下方卡片#xff0c;关注「3D视觉工坊」公众号选择星标#xff0c;干货第一时间送达作者#xff1a;华北何志武等人 | 编辑#xff1a;3D视觉工坊「3D视觉从入门到精通」知识星球(点开有惊喜) #xff01;星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会…点击下方卡片关注「3D视觉工坊」公众号选择星标干货第一时间送达作者华北何志武等人 | 编辑3D视觉工坊「3D视觉从入门到精通」知识星球(点开有惊喜) 星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘等。想要入门3D视觉、做项目、搞科研欢迎扫码加入作者华北何志武等人连接https://www.zhihu.com/question/1943625053787883352本文仅做学术分享如有侵权请联系删文。最近在帮忙朋友推荐slam算法工程师投递简历的确实不少。但符合要求的相比较2020年左右却寥寥无几。甚至想招一个做过slam有一定水平的硕士毕业生都比较困难。我定义一般遇到的slamer大致有三个级别能在自己数据上跑通和适配一般的开源算法熟练了解怎么调参以及参数对性能的影响。有自己搭起来的一套可用的slam框架对方方面面的细节一清二楚并根据当前的环境和数据构建一些约束实现特定场景的精度的提高。软硬兼通。能自己根据需求搭一套软硬件多传感器设备从硬触发同步到内外参标定到建图定位导航整套技术栈都有理解。且对建图定位的基本理论一清二楚。明面上智驾时代到来后slam几乎边缘化了要么做标定要么做数据标注要么做仿真。但机器人这边岗位还是不少的而且slam包含的技术从来也不只是狭义上的同时完成建图与定位而是从优化到工程的一全套技术栈。随着机器人对空间理解的需求上升slam的解pose的重要性确实在逐步降低但是mapping上还是还可以做很久的。至少现阶段离开桌面还离不开语义地图。为什么现在大家都不愿意学slam了呢Yusheng的回答是啊从24年开始感觉就很明显一方面是学生们在吆喝好难找工作一方面是企业吆喝找不到想要的人也跟不少人沟通过思考过。一方面是SLAM技术经历了这么多年发展尤其是近5年开源算法迅速增多解决了很多企业从0到1的问题很多corner case也在逐步解决可能很多企业都还在用几年前搭好的框架去优化解决新问题。所以招聘需求也是水涨船高从会调包到调参调策略到设计全新算法等等。薪资待遇其实也是在涨的所以坑位越来越少。另一方面是SLAM论文越来越难发纵向项目越来越少学校老师纷纷转向传统做SLAM的学校/老师现在好多都已经放弃拥抱AI拥抱大模型或者转向好处成果的方向毕竟老师也有考核压力。事实上就说狭义上的SLAM现在确实是个小众方向了个人感觉主要集中于机器人无人机测绘等方向可能这些行业加起来可能一年也就需要几百人而已。而且现在对SLAM工程师的要求也是越来越高比如我司现在GNSS/INS算法工程师都要求了解或做过SLAM而我司真正SLAM岗位又要求熟悉机器学习/GNSS/INS等技术。今年秋招已经面了一部分人了虽然我们是小厂或者中厂但是光有TRO(在投/见刊)的已经有三个了基本上进面人均RAL/IROS/ICRA不敢想象其它大厂收到的简历会怎样。最后简单聊聊我个人认为的高水平:校招:基础知识掌握扎实有自己突出的亮点且和公司技术路线有共鸣表达沟通能力佳。社招:有成功经验符合公司价值观收回我的话今年是真好招有能力的SLAM候选人太多了一个个都在劝退SLAM一个个又猛猛地在学今年是我见过的校招SLAM 工程师最有实力的一年。华北何志武的回答我是今年秋招的应届生投SLAM岗位对比楼上Yusheng大佬面试的候选人之人均TRO/ICRA/RAL相比我零论文应该算没怎么入门的初学者但今年也只能硬着头皮投了课题组就我一个是做这个的老师也放养完全没指导课题组没积累纯靠自学视觉SLAM14讲/自动驾驶里的SLAM机器人状态估计概率机器人现代控制系统那几本书来的。不过总的来说我很感谢我们老师让我这么自由三年一段横向不用做基本是野蛮生长人生的最后一个长期暑假。我有一段机器人初创实习也就是部署开源算法提升精度是不可能的。到现在接到的面试寥寥无多打算十月再去一个智驾公司实习一段还有个测绘公司反正十月多秋招也结束了去陌生城市玩玩。我和我同门本来都是搞SLAM或者导航的人家转了JAVA有后端客户端这些都有成熟度爆高的学习路线早被人走过无数次也就是刷leetcode包装项目背八股大厂实习转正加上我们有点学历buff早早拿下让人羡煞的大厂高薪offer结束秋招于此同时形成对比的是我还在苦苦吃shi。中高级SLAM工程师有需求但是初级没岗位这就是最大问题而且SLAM入门难度太大了越学越觉得什么都不会一开始学习跑了下fastlio2就开始看论文发现自己不懂状态空间理论连系统离散时间下的递推都看不懂然后去看现代控制发现自己不会微分方程不会矩阵论又去补数学等学完这些概念在干什么有了认知完事终于能看懂论文的一点了沿着书和论文又开始学优化问题拉格朗日乘子KKT到现在没明白中间实习还兼顾搞了一把规控机器人的规控也是上个时代的旧知识路径规划代价构建 优化求解。学习过程一路把概率论概率机器人机器学里的状态估计贝叶斯、KF EKF、UKF、ESKF、IEKF、GN、LM挨个过中间掺杂大量推了一遍就忘的定理和结论过完了滤波还有基于优化的滑窗共视图又开始补多视图几何BA从FAST、SIFT、ORB、GFTT到各种pnp,光流VSLAM系统的能控能观分析FEJ后边面试还被问了基于学习的光流全局重定位问就是不会。到现在对深度学习的理解还停留在MLP这种几十年前的东西。SLAM在大部分车企都是跟定位挂钩的于是还得把GNSS/INS也多少得了解。反反复复学同一个概念前后过了三四遍结合工程才懂为什么要引入李代数为什么要学最小二乘问题SLAM或者说pose求解到底在做什么为什么引入了流形。理论尚未结束一边开始折腾工程实践好么fastlio2一个代码里塞了无数模板元编程和宏只能找它的平替fastlio来看这个过程中顺带学ooP和数据结构。然后每个SLAM的框架基本都是从零开始造轮子激光一万行打底视觉更是2~3万行起步能不能学学tensotflow或者pytorch一行给我把前端整完啊LOAM系、ORB、vins、fastlio2、SVO 都勾巴从微分方程建模的颗粒度开始编程不如直接从盘古开天辟地开始学好了。回到C基础的就不说了软开会的搞SLAM一样得会算法题一样得刷一样不少我每天都得花一小时在刷题我到现在面试还没见过Hot100原题全是手撕什么空间平面拟合、GN、计算几何但普通的算法题依旧得刷BFS、DFS、图、组合、背包、动态规划、各种树、单调栈单调队列看都看不完各种繁琐的C八股人家搞C开发会的一样得会多线程、异步、设计模式、C各版本的区别等我走到这里的时候我已经想跑路都没得跑了时间来不及。仿真跑完买传感器跑真机多传感器融合组装自己画STL打印部件或者切点铝型材把机械设计 测量公差再捡回来考虑装配误差弄完了考虑供电布线好了装完了开始标定然后才真正开始SLAM真的麻了。到最后一个非常大的问题现在的SLAM社区声音太小了基本没人在讨论一搜就是劝退一翻技术问题的回答都是五六七八年前的各种小工程问题只能自己被折磨还没到分析传感器建模带来的精度影响这个深入程度的时候先被古老代码和各种库接口的更新所恶心ROS1/2本身也是个÷生玩意挪来挪去地一直找别人搬的ros2版本。到最后学了这么一大坨了废了这么大精力一看招聘市场直接绝望了地平线、momenta全招深度学习的岗位0个SLAM应届生需求连具身的初创都只要3dgs和nerf的我是拔剑四顾心茫然只剩犄角旮旯的小厂和一些我绝对高攀不上的中大厂比如楼上大佬所在的华测候选人人均顶会和深厚的实验室积累我这种没有课题组积累的学完上边说的基础知识和前人的工作已经筋疲力尽还搞什么创新呢再来一遍我必不可能头铁了...学我同门跑路互联网早美滋滋拿上转正开躺或者学3dgs都比现在好。不知道秋招结果咋样已经做好备战春招的准备了袁博融的回答我也没发过论文因为在德国读的Master是授课制不需要发论文。而且我Master搞的方向是机械臂和强化学习SLAM反而是后来自学的。我们实验室也不搞SLAM主要搞规划控制给机器人社区贡献了TEB Local Planner。只能说学校给打的基础比较好第一年的专业课程就包括基于数据的建模和控制凸优化这些。之后无论是搞深度学习还是机器人都需要这些基础。SLAM搞着搞着就成RTAB-Map第二大贡献者了。但这库都开源十多年了你说其他人咋就参与不进来呢而且我现在主要精力还不在后端上更多时间是在开发VIO和折腾数据处理管线。等你搞到这个程度就会发现SLAM开发更像是个手术团队只能有1个主刀医生其他人都是打杂的。对算法一定要有自己的想法并且自己去检验主流的很多理解都不一定是对的毕竟大部分人不写代码只是调参。有自己想方法的人一般是不会打工的所以你很难招人。流沙reimagined的回答其实以前招到有水平的slam工程师也很难根本原因是slam的技术栈多且难。先说编程首先要有不错的C能力没有c能力slam入不了门。再说算法以基础的视觉slam为例从基础的相机投影原理特征检测和匹配到相机标定到二视图几何和多视图几何再到姿态解算还有卡尔曼滤波最优化求解算法再加上需要掌握不同的第三方库、ros、opencv、eigen、sophus、ceres、g2o...每一项学下来都需要不少时间。这只是视觉如果要涉及多传奇器融合的slam还要继续学习激光、IMU、轮速计、GPS等每一项又是一座大山可能光一个IMU的预积分可以劝退50%的人。到近年做slam还得懂深度学习因为前端算法有深度学习应用。做深度学习可以完全不懂slam做slam不能不懂一些深度学习总之这个方向学习的东西是多且难。一般入门这方向也就研一开始两三年能掌握这些还要水平高可以说是很难不过总会有收获哪怕掌握slam一半的技术栈转一个别的方向也很容易。塘朗过客的回答有那个时间和精力把SLAM做到有水平换其它领域早就做到资深工程师了有水平的SLAM工程师工资还不到深度学习同等资历的工程师一半岗位数量可能还不到深度学习的十分之一!钻研SLAM图啥呀有点能力的早就跑路换领域了。SLAM应届生又只能学个皮毛SLAM岗位少还要求高毕业连进入这个领域机会都没有。现在SLAM早就不像前几年那么多人选了早晚要断层。不过话又说回来了SLAM岗位减少说明在逐渐被时代淘汰断层也是好事免得苦了后来人夜深未眠的回答题主说的slam理论的东西都没错但事实上就是slam现在在智驾也越来越没需求。先说localization局部的pose也未必需要用到slam配个好一点的imu加轮速整个组合导航这种方式简单粗暴且够用。mapping需要用到一定的几何和优化算法但经过这么多年了早都做成熟了。更何况智驾潮流发展的太迅速现在都已经过了无图化的阶段了而是大家都在抛弃传统算法这一套去开新坑了。在WMVLA甚嚣尘上的大背景下别说搞定位建图的人瑟瑟发抖连传统规划的人都焦虑着急谋划转型。先不说黑盒化这件事情最终的落地效果如何但基本上已经成为了行业发展新风向最不济也至少是口头上的。slam当然自身面临着很大的理论发展瓶颈了但对于从业者来说其实就业需求萎靡才是最要命的。这玩意学习成本巨大实验室积累不够或者学的不够深入的出来还很难找工作。相信后面的学弟学妹看到师兄师姐们毕业时找工作的处境就会自行劝退自己都不必上网来寻求答案了。wanderrrrr的回答一个悖论是由于方向被边缘化了从业者都去做深度学习相关的结合反而导致基础扎实的传统SLAM从业者找不到了。结果大家能看到的slam效果越来越差slam进一步被边缘化…当然我并不是推荐大家去搞传统SLAM。毕竟这只是SLAM需求萎缩大前提下局部的回光返照。况且一个应届硕士生也很难证明自己能把传统SLAM做work。我还真没想到我去年的回答能预言到今年的局面。。。回到题主问题因为都转方向了。谁也不想解完一天的bug之后刷知乎还要看到一堆劝退的刷个小红书都越刷越焦虑。况且SLAM从业者想转别的方向并不难。连各大高校传统SLAM的大组都去做所谓的“”了下面的人多少也要受点影响才好。你说你对某个行业有信仰可以对某个公司有信仰可以但是SLAM本来就是一系列技术的集合真的无所谓坚持与否更不应该成为探索更多方向的桎梏。暮檀的回答这个问题好啊。作为一位入坑比较早11年前本科毕设就是在手机上实现视觉里程计的SLAM研究者我见证了周边许多同期的朋友逐渐转向其他方向。原因很直接学术界对传统SLAM的探索空间收窄而工业界在过去一年半里相关岗位需求也确实有限。在具身智能今年大规模兴起之前SLAM岗位曾处于一个青黄不接的状态不少老牌智驾公司面临挑战元宇宙XR概念热度消退。那时市面上真正优质的SLAM岗位屈指可数许多遇到裁员或考虑跳槽的朋友最终选择了转向其他相关领域。从学术角度看SLAM虽然仍是顶会顶刊上的常客但研究重心更多转向预研和前沿探索。然而移动设备中的localization和mapping作为空间感知的基石对低成本、低时延、低功耗和高精度有着近乎苛刻的要求。这些产业界关切的核心指标并非近年来学术研究的主要焦点因此即便新入坑的SLAM研究者其研究方向与产业界需求之间也可能存在代差。此外SLAM是一个极度依赖实战经验的方向。许多算法的实现都需要基于特定硬件系统进行深度定制化开发。然而在行业低谷期实习生很难找到对口的实习岗位。没有实践机会又从哪里能培养出毕业即具备相关工程经验的人才呢大兵小将的回答学习slam这个对工程对学术都要有一定研究并不是短时间就能精通很多人可能很长一段时间都在搞某个开源算法仍是对一些知识似懂非懂。slam涉及高等数学线性几何非线性优化库及其思想卡尔曼滤波及其变种各种坐标转换各种内外参标定与估计硬软同步整套数据流处理各种过程噪声和观测噪声尤其遇到问题时还要分析传感器原始数据系统延时性影响。有时候并不算本身算法有问题有可能时硬件有问题频率不稳系统高延迟同步未做好安装有问题等。slam本身就是一个庞大的工程问题学习难度较大且需求确实几乎很少了。我们还要思考未来还能干什么而不是时代到了没有任何准备。农夫三拳的回答机器人行业普遍不如自动驾驶行业工资高而且自动驾驶作为人工智能时代最炙手可热的应用领域它吸引了大部分的流量。导致一提自主移动机器人的某个方向的技术好像大家都只看自动驾驶领域。这导致两方面的影响第一入坑者变少微信公众号发布的文章在学生、业内人心里的作用远超大家想想。自动驾驶需要的时候需要的时候订阅号里你一发我一转大家都蜂拥而至。自动驾驶不需要高精地图了媒体发几个文章都说凉凉了知乎发几个文章说slam已死正在学slam的人又被说49年入国军。实际上slam在机器人行业永远是硬需求尤其是室内场景、有明确精准定位需求的场景。第二工程师对自动驾驶行业有滤镜人才流失觉得自动驾驶比自主移动机器人狭义上的高端的工程师不在少数甚至是大多数。另外自动驾驶行业的工资也确实比机器人高多了。这导致很多机器人行业的slamer干了两年后就转去自动驾驶行业了。JasonGao的回答市场个人能力以及偏向。现在招SLAM的大厂的机会很少很多都是小公司。还有就是网上太多没有前因后果没有结合个人实际的劝退。SLAM好像也没前几年给的高了还有就是相对其他行业这个需要长期投入仅仅会跑通个demo参考网上给的思路找来替换一下时间久了也没发展空间。比如以orb-slam系列让其改进下优化(信息矩阵的恰当与否影响着优化的精度)很多人没法去分析。这也只是其中一部分现在特征方面和回环方面也在探索用模型来辅助AI的知识也需要(比如分割或者自己训练视觉词袋那聚类算法也要了解至少要知道优缺点在使用时好选择确定稳定)除了这些编码能力也有要求还有数值计算相关的也要考虑有的还需要用到ROS及相关工具。多传感器融合时还得了解各传感器模型融合方法传感器内外参标定时间对齐。(最近前几个月搞相机和IMU的在线标定和时间软对齐有时候能接近离线结果有时候差得一塌糊涂与数据相关性太大了那段时间真是痛苦最终还是放弃准备搞语义方面)如果数学能力有所欠缺数学建模能力有所欠缺如果在这方向要有所追求在这条路上估计越走到后面越痛苦焦虑现在有说会被大模型所取代真能取代么我感觉不太能吧有谁对这两块都熟悉的分享分享观点。各位技术同仁欢迎分享你的独到见解与技术思考评论区等你留言本文仅做学术分享如有侵权请联系删文。3D视觉1V1论文辅导3D视觉硬件官网www.3dcver.com3D视觉学习圈子「3D视觉从入门到精通」知识星球(点开有惊喜) 星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘等。想要入门3D视觉、做项目、搞科研欢迎扫码加入3D视觉全栈学习课程www.3dcver.com3D视觉交流群成立啦扫码添加微信备注方向单位邀你入3D视觉交流群