?holo

holo 發(fā)音

英：[?hɑ?lo?; ?hɑ?l?; ?ho?lo?; ?ho?l?]　　美：[?h?l??]

英：　　美：

holo 中文意思翻譯

holo 詞性/詞形變化，holo變形

名詞復數形式:holos

holo 短語(yǔ)詞組

1、holo centric adj. ─── 單心的

2、holo- ─── [醫] 全部, 完全

3、holo-crystalline adj. ─── [巖]全晶質(zhì)的，全晶的

4、contact holo ─── 聯(lián)系人holo

holo 相似詞語(yǔ)短語(yǔ)

1、bolo ─── n.大刀；vi.未達標；n.(Bolo)人名；(法)博洛

2、Polo ─── n.馬球；水球；n.(Polo)人名；(法、俄、西、意、芬、阿爾巴)波洛

3、halo ─── n.光環(huán)；榮光；vt.使有暈輪；圍以光環(huán)；vi.成暈輪

4、Colo ─── n.(Colo)人名；(意)科洛

5、holon ─── n.子整體；n.(Holon)人名；(法)奧隆

6、hollo ─── n.(Hollo)人名；(法)奧洛；(芬)霍洛

7、cholo ─── n.拉美混血兒（西班牙人與美洲土著(zhù)的混血后裔）；（尤指城市里的）墨西哥下等人；n.(Cholo)（美、俄）稠洛（人名）

8、Jolo ─── n.霍洛島（屬菲律賓）

9、holo- ─── n.完全；整體；n.(Holo)人名；(塞、貝寧)霍洛

剛開(kāi)始讀博，方向為基于機器視覺(jué)的slam，現在很迷茫不知道正確有效的科研方法是什么？

有自信學(xué)msckf 沒(méi)自信學(xué)okvis，視覺(jué)加imu是最容易融合的vslam，或者視覺(jué)再融合rgbd 或laser?？傊畣文繘](méi)深度，沒(méi)特征也會(huì )掛，看你imu能不能用好了。沒(méi)事學(xué)學(xué)so3se3ceres，bundle adjustment，總之水很深。博士一定要挑一個(gè)方面深挖千萬(wàn)別指望什么都有建樹(shù)，你要發(fā)iros icra 視覺(jué)好的話(huà)可以發(fā) cvpr iccv eccv 機器學(xué)習好的話(huà)nips icml。沒(méi)有這些畢業(yè)了也很水。書(shū)要看multiple view geometry in computer vison hartley寫(xiě)的。找大牛就翻會(huì )議proceeding然后找到組在看組里面的其他人在看這些人的文章信用次數等等。世界上也沒(méi)幾個(gè)牛的組沒(méi)幾天你就全找到了。

剛開(kāi)始讀博，方向為基于機器視覺(jué)的slam，現在很迷茫不知道正確有效的科研方法是什么？

一言以蔽之，視覺(jué)SLAM技術(shù)是一種空間幾何再描述的工程技術(shù)。目前來(lái)說(shuō)，受到業(yè)界肯定的比較成熟的開(kāi)源算法主要是：

1、西班牙Universidad de Zaragoza的ORB_SLAM2：raulmur/ORB_SLAM2

2、港科大的VIO：HKUST-Aerial-Robotics/VINS-Mobile

3、Google的SLAM：googlecartographer/cartographer

一般涉及1特征點(diǎn)跟蹤，2重定位，3局部與全局優(yōu)化，4回環(huán)檢測等四個(gè)模塊。其中，特征點(diǎn)跟蹤是幀間圖像特征匹配關(guān)系，重定位是幀與關(guān)鍵幀的匹配關(guān)系，局部與全局優(yōu)化是最優(yōu)估計技術(shù)，回環(huán)檢測是重定位與全局優(yōu)化技術(shù)的工程應用。這里面容易出成果的就是重定位模塊，其次是跟蹤模塊，都容易與深度學(xué)習技術(shù)結合提高現有算法精度，功夫在于準和快，這兩者本身屬于對圖像的處理分析技術(shù);其次是相機姿態(tài)的優(yōu)化技術(shù)，這種技術(shù)屬于更為數學(xué)范疇中的數值分析部分的優(yōu)化估計策略，對圖優(yōu)化及最優(yōu)估計等數學(xué)理論及應用上需要有突破;回環(huán)檢測本身屬于上述兩者的結合，更多的是一種軟件工程技術(shù)。

對比此種工程性比較強的應用研究，最好的學(xué)習和研究方法就是測試并研究目前業(yè)界開(kāi)源算法，并綜合各種優(yōu)缺點(diǎn)的同時(shí)，必須結合應用領(lǐng)域進(jìn)行針對性的優(yōu)化改進(jìn)。也就是說(shuō)，先看代碼，問(wèn)題無(wú)法解決時(shí)多看論文，再將論文方法編碼為軟件能力進(jìn)步測試。從實(shí)踐中來(lái)，到實(shí)踐中去。

上述內容對于碩士研究生可以作為應用研究方向，但對于博士研究方向顯得單薄了，但基于SLAM點(diǎn)云的場(chǎng)景語(yǔ)義分析才剛剛開(kāi)始，屬于更接近高層圖像內容理解部分，這里面涉及的語(yǔ)義理解內容的深度和廣度就非常大！

首先，目前理解的語(yǔ)義的定義先明確下：

1）圖像的標注，即特定目標的識別定位與三維重建，并將定位信息與識別標簽與SLAM的位置信息結合，實(shí)現基于SLAM的三維空間的場(chǎng)景物體打標與模型構建，即圖像的內容結構化；

2）標注圖像與場(chǎng)景其他物體之間的關(guān)系，即所說(shuō)的場(chǎng)景理解，將整個(gè)場(chǎng)景的圖像內容以故事描述的方式串聯(lián)起來(lái)，構成完成的圖像場(chǎng)景信息，及圖像內容的語(yǔ)義化。

第二部分基本屬于純粹的語(yǔ)法語(yǔ)義理解的范疇，脫離圖像信息的研究?jì)热?，目前工作涉及不多，暫就第一部分及語(yǔ)義理解內容涉及的結合點(diǎn)簡(jiǎn)單講述下：1）SLAM對應的是3維點(diǎn)云信息；2）圖像語(yǔ)義信息的低層級信息，即為特定對象的目標識別定位；3）特定對象的分割、識別定位信息與3DSLAM點(diǎn)云信息的結合，實(shí)現3D模型跟蹤與重建；4）將3D目標對象插入到SLAM得到的空間位置序列中。

這里有一個(gè)泡泡機器人中發(fā)布的文章可以參考入門(mén)：

泡泡機器人翻譯專(zhuān)欄 單目語(yǔ)義SLAM（上）

泡泡機器人翻譯專(zhuān)欄 單目語(yǔ)義SLAM（下）