基本上你的老師說的對。現在機器視覺領域，基本上是機器學習，或者說是深度學習的天下，現在的學術研究也是有“風口”。

這個領域中，三個學術大牛，都還活在世上，

超級大牛：Geoff Hinton，Yoshua Bengio，Yann LeCun

還有一些小牛人：Jürgen Schmidhuber ，Ruslan Salakhutdinov，Andrew Ng，Honglak Lee，Brendan Frey，Yee Whye Teh，Simon Osindero，Nando de Freitas，Marc"Aurelio Ranzato，Ilya Sutskever。Radford Neal，Richard Zemel，Hugo Larochelle，Surya Ganguli等等

而機器視覺與深度學習，還不是同一件事，而且SLAM，與機器視覺又不是同一回事情。我覺得你應該去梳理一下，比如在SLAM中，很多沒有人工智慧，尤其是當下說的深度學習這件事情，很多的是“高通量計算”，比如三維高精密地圖的生成等等，與深度學習啊，神經網路，都關係不大，我自己把他看成是嵌入式的高通量計算。

SLAM技術涵蓋的範圍非常廣，按照不同的感測器、應用場景、核心演算法，SLAM有很多種分類方法。按照感測器的不同，可以分為基於鐳射雷達的 2D/3D SLAM、基於深度相機的RGBD SLAM、基於視覺感測器的visual SLAM（以下簡稱vSLAM）、基於視覺感測器和慣性單元的visual inertial odometry（以下簡稱VIO）。基於鐳射雷達的2D SLAM相對成熟，早在2005年，Sebastian Thrun等人的經典著作《機率機器人學》將2D SLAM研究和總結得非常透徹，基本確定了鐳射雷達SLAM的框架。目前常用的Grid Mapping方法也已經有10餘年的歷史。2016年，Google開源了鐳射雷達SLAM程式Cartographer，可以融合IMU資訊，統一處理2D與3D SLAM 。目前2D SLAM已經成功地應用於掃地機器人中。基於深度相機的RGBD SLAM過去幾年也發展迅速。自微軟的Kinect推出以來，掀起了一波RGBD SLAM的研究熱潮，短短几年時間內相繼出現了幾種重要演算法，例如KinectFusion、Kintinuous、Voxel Hashing、DynamicFusion等。微軟的Hololens應該集成了RGBD SLAM，在深度感測器可以工作的場合，它可以達到非常好的效果。

而與視覺相關的是Vslam

視覺感測器包括單目相機、雙目相機、魚眼相機等。由於視覺感測器價格便宜，在室內室外均可以使用，因此vSLAM是研究的一大熱點。早期的vSLAM如monoSLAM更多的是延續機器人領域的濾波方法。現在使用更多的是計算機視覺領域的最佳化方法，具體來說，是運動恢復結構（structure-from-motion）中的光束法平差（bundle adjustment）。在vSLAM中，按照視覺特徵的提取方式，又可以分為特徵法、直接法。當前vSLAM的代表演算法有ORB-SLAM、SVO、DSO等。

希望對你有用

有自信學msckf 沒自信學okvis，視覺加imu是最容易融合的vslam，或者視覺再融合rgbd 或laser。總之單目沒深度，沒特徵也會掛，看你imu能不能用好了。沒事學學so3se3ceres，bundle adjustment，總之水很深。博士一定要挑一個方面深挖千萬別指望什麼都有建樹，你要發iros icra 視覺好的話可以發 cvpr iccv eccv 機器學習好的話nips icml。沒有這些畢業了也很水。書要看multiple view geometry in computer vison hartley寫的。找大牛就翻會議proceeding然後找到組在看組裡面的其他人在看這些人的文章信用次數等等。世界上也沒幾個牛的組沒幾天你就全找到了。

一言以蔽之，視覺SLAM技術是一種空間幾何再描述的工程技術。目前來說，受到業界肯定的比較成熟的開源演算法主要是：

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特徵點跟蹤，2重定位，3區域性與全域性最佳化，4迴環檢測等四個模組。其中，特徵點跟蹤是幀間影象特徵匹配關係，重定位是幀與關鍵幀的匹配關係，區域性與全域性最佳化是最優估計技術，迴環檢測是重定位與全域性最佳化技術的工程應用。這裡面容易出成果的就是重定位模組，其次是跟蹤模組，都容易與深度學習技術結合提高現有演算法精度，功夫在於準和快，這兩者本身屬於對影象的處理分析技術;其次是相機姿態的最佳化技術，這種技術屬於更為數學範疇中的數值分析部分的最佳化估計策略，對圖最佳化及最優估計等數學理論及應用上需要有突破;迴環檢測本身屬於上述兩者的結合，更多的是一種軟體工程技術。

對比此種工程性比較強的應用研究，最好的學習和研究方法就是測試並研究目前業界開源演算法，並綜合各種優缺點的同時，必須結合應用領域進行針對性的最佳化改進。也就是說，先看程式碼，問題無法解決時多看論文，再將論文方法編碼為軟體能力進步測試。從實踐中來，到實踐中去。

上述內容對於碩士研究生可以作為應用研究方向，但對於博士研究方向顯得單薄了，但基於SLAM點雲的場景語義分析才剛剛開始，屬於更接近高層影象內容理解部分，這裡面涉及的語義理解內容的深度和廣度就非常大！

首先，目前理解的語義的定義先明確下：

1）影象的標註，即特定目標的識別定位與三維重建，並將定位資訊與識別標籤與SLAM的位置資訊結合，實現基於SLAM的三維空間的場景物體打標與模型構建，即影象的內容結構化；2）標註影象與場景其他物體之間的關係，即所說的場景理解，將整個場景的影象內容以故事描述的方式串聯起來，構成完成的影象場景資訊，及影象內容的語義化。

第二部分基本屬於純粹的語法語義理解的範疇，脫離影象資訊的研究內容，目前工作涉及不多，暫就第一部分及語義理解內容涉及的結合點簡單講述下： 1）SLAM對應的是3維點雲資訊； 2）影象語義資訊的低層級資訊，即為特定物件的目標識別定位； 3）特定物件的分割、識別定位資訊與3DSLAM點雲資訊的結合，實現3D模型跟蹤與重建； 4）將3D目標物件插入到SLAM得到的空間位置序列中。

這裡有一個泡泡機器人中釋出的文章可以參考入門：

【泡泡機器人翻譯專欄】 單目語義SLAM（上）

【泡泡機器人翻譯專欄】 單目語義SLAM（下）