前一段時間總有一個想法，那就是，我只直到視覺slam是遠遠不夠的，激光slam仍然是一個比較穩妥的技術，好落地，應用廣泛，我想著，如果我學會了會大大增加自己的核心競爭力，所以我抽時間開始看關于激光slam和無人駕駛的相關內容，我也只是看個大概，由于沒有項目支撐，所以我理解和明白的，接觸的東西非常有限，由于沒有很強的外部驅動力，我的進度很慢，并且學習質量也很差，代碼看不下去，就這樣陷入的惡性循環，我開始迷茫，感覺自己到達了瓶頸期，但又明白，我必須盡快的突破它，要不然結果很不好。

之前的想法就是從宏觀上把控自己的認知，想著多接觸框架，多學習更加廣泛的知識，殊不知，我沒有一個擅長的領域，很難在這樣的強競爭力的技術領域站穩腳，我開始思考，我想要的事一種解決問題的能力，這種能力，不被不同的種類限制，就比如說，視覺slam里我可以，激光slam里我也可以，拋開slam領域，其他的地方我也有用武之地，這樣思考起來，發現，一個東西很符合這樣的標準，那不就是，編程能力嘛，當然這個有些寬泛了，再細化一些，但從slam領域，一個很突出的問題就是，優化問題，這是一個很關鍵的問題，如果沒有優化，可想而知，一個slam系統將會有多糟糕，而解決優化問題，目前我們常用的是g2o和ceres兩個庫，當然，沈韶杰老師說，對于新進課題組的學生，它都會安排一個，手寫優化器的任務，并且最多只能使用eigen庫，好吧，咱們這里先降低難度，怎么使用現成的優化庫，來解決現實中的問題，具有這樣的能力，其實已經是很不錯了。

上面的這種思維的轉變，讓我豁然開朗，我們需要積累的不是一個一個具體的問題，而是慢慢去掌握解決更多問題的通用方法只有這樣，才能實現我們的真正的價值。

不啰嗦了，不過把上面的思路捯飭清楚了，自己的目標也就清晰了，干起活來也不會再猶豫不定，瞻前顧后了。

學習第一步：當然是臨摹

就是先學會ceres-solver中給的examples中的例子。別怕麻煩，如果有時間可以自己敲一遍代碼，從0開始構建起來你的優化庫。

example中關于2d-slam和3d-slam的優化問題。我直接編譯example沒有成功，于是我創建了一個獨立的工程，然后將slam_2d和slam_3d的代碼重新寫了一遍，然后調試通過，代碼我放到了我的github上，https://github.com/Serena2018/ceres-solver

需要使用的數據集可以在下面這個鏈接上下載，https://lucacarlone.mit.edu/datasets/

下面分別是2d和3d數據優化前后效果的對比。

代碼調試通只是第一步，更重要的是要理解代碼，并且總結出，如何將實際問題抽象成一個在ceres-solver可以解決的問題。?