刚好题主问的问题除了读博我都比较了解，就分两部分说吧。
1 工业界
INS比较好的点是惯导和视觉（VIO）或LiDAR的融合/补偿，纯惯导的话就只有低成本MEMS-INS的算法比较值得关注。基本上学校里课本上讲的都是军用的高精度惯导的东西，而且教材比较老旧（现在不知道有没有更新），和现代工业应用脱节。如果学校有无人机所之类，也是不错的方向。VIO在无人机，机器人，车载ADAS/AD上都可以实用，前景尚可。但是如你所说，这个方向需要一定的数学基础，否则可能并不能完全理解技术原理，做出有价值的科研成果。多传感器融合算法也比较有工业上的价值，但是理论成熟，不适合科研，相对而言，融合之前的数据关联反而比较有难度。
GNSS方向的问题是相对应用领域比VIO小很多，技术要么已经很成熟（松组合和紧耦合），要么就是工程上不靠谱（深组合/超紧耦合）。另外就是RTK和PPP技术，但总体这个方向的可选企业没有VIO广。这个方向学好软件编程(C/C++)或者硬件编程语言(VHDL/Verilog)的话可能更实在，算法有专业背景就可以了，国外的产品大多都已经比较成熟，国内还在追赶中，业界的机会也有不少。
导航方向基本就不用考虑ML/DL了，不然你应该考虑去CV之类的专业。导航方向基本只有做视觉相关的才能涉及这个领域。
2 研究所/高校
研究所选哪个方向反而没那么重要，导航要比飞设和飞控广，航空航天电科各种研究所都可以去。但是如果是女生，建议不要读博，去研究所可能的话尽早转行政或者市场职位，相对偏管理/后勤的职位性价比较高。
研究所的研发岗位加班很多，除非科研报国是你可以不计代价的真爱，否则为了生活考虑，早转早惬意。研究所非研发岗不累又稳定，还是很好的选择。另外，想去哪个城市提早想好，目标明确，对应的研究所做的技术方向匹配的话，比较容易拿offer。
回到问题，我觉的容不容易出成果还是要看平台和实力，如果发文章，还是CV，DL比较好发，技术门槛和热度差距太大了。总之，你例举的三个方向我认为视觉是最好的。视觉如果能转CV,DL就更好了，需要的数学基础少，前景大好。
视觉导航的原理是通过模拟人的视觉，利用搭载的视觉传感器采集环境信息，并获取机器在空间中的位置、方向和其他信息，从而实现对周围环境的识别和导航。具体来说，视觉导航的工作流程包括以下几个步骤：采集环境信息：视觉传感器通过连续拍摄周围环境的图像或视频，获取丰富的纹理信息和其他环境特征。图像处理：视觉导航系统对采集到的图像或视频进行预处理，包括去噪、增强、分割等操作，以突出环境特征，便于后续的识别和导航。特征提取：通过对预处理后的图像或视频进行特征提取，视觉导航系统获得能够表征环境特征的关键信息，如边缘、角点、纹理等。地图构建：利用获得的关键信息，视觉导航系统通过匹配和拼接不同视角下的环境特征，构建出3D环境地图，并标定自身在其中的位置和方向。路径规划：在构建的环境地图上，视觉导航系统根据预设的路径规划算法，规划出一条或多条安全、合理的导航路径，实现机器人的自主导航。相较于其他导航方式，视觉导航具有以下优点：丰富的纹理信息：视觉传感器能够获取到丰富的纹理信息，这有助于提高场景辨识的准确性。强大的场景辨识能力：通过特征提取和匹配，视觉导航系统具有强大的场景辨识能力，能够适应各种复杂的环境。实现智能避障和交互：通过对环境的深度理解，视觉导航系统能够实现智能避障和交互，提高机器人的适应性和灵活性。然而，视觉导航也存在一些挑战和难点，例如对光照条件、物体遮挡等因素的鲁棒性问题，以及计算量和存储需求较大等问题。为了解决这些问题，研究者们正在不断探索新的算法和技术。
移动机器人作为人工智能领域中的一项重要技术，近年来受到越来越多的关注和研究。从最初简单的机械结构到如今的智能系统，移动机器人的发展经历了漫长而又不断创新的历程。
在现代科技的推动下，移动机器人的研究现状呈现出蓬勃发展的态势。从工业领域到家庭服务，移动机器人已经逐渐走进人们的生活之中，为人们的工作和生活带来了诸多便利。
在工业生产中，移动机器人扮演着越来越重要的角色。无人车间、智能物流等技术的应用，使得工厂生产效率得到大幅提升。各种类型的移动机器人，如AGV、无人搬运机器人等，正逐渐成为工业制造的重要组成部分。
除了工业领域，移动机器人在家庭服务领域也有着广阔的应用前景。智能扫地机器人、陪伴机器人等产品，正在逐渐普及并改善人们的生活质量。随着人口老龄化问题的日益严重，家庭服务机器人的需求也在不断增长。
随着移动机器人技术的不断发展，人们对其性能、智能化程度等方面的要求也在不断提高。在面临挑战的同时，研究者们也看到了更多的发展机遇。
例如，随着人工智能和大数据技术的融合，移动机器人的智能化水平将得到进一步提升，能够更好地适应各种复杂环境下的工作任务。同时，移动机器人的应用场景也将更加广泛，涵盖工业生产、医疗卫生、家庭服务等多个领域。
移动机器人研究正在快速发展，其在工业和家庭服务等领域的应用前景广阔。随着科技的不断进步和创新，移动机器人必将发挥出越来越重要的作用，为人类社会带来更多便利和生活品质的提升。
当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采用摄像机作为全自主用移动机器人的感知传感器。这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,而视觉系统则可以弥补这些缺点。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的最终目的就是要从感知到的二维图像中提取有关的三维世界信息。
简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。
（1）摄像头标定算法：2D-3D映射求参。
传统摄像机标定主要有 Faugeras 标定法、Tscai 两步法、直接线性变换方法、张正友平面标定法和 Weng迭代法。自标定包括基于 Kruppa 方程自标定法、分层逐步自标定法、基于绝对二次曲面的自标定法和 Pollefeys 的模约束法。视觉标定有马颂德的三正交平移法、李华的平面正交标定法和 Hartley 旋转求内参数标定法。
（2）机器视觉与图像处理：
a.预处理：灰化、降噪、滤波、二值化、边缘检测。。。
b.特征提取：特征空间到参数空间映射。算法有HOUGH、SIFT、SURF。
c.图像分割：RGB-HIS。
d.图像描述识别
（3）定位算法：基于滤波器的定位算法主要有KF、SEIF、PF、EKF、UKF等。
也可以使用单目视觉和里程计融合的方法。以里程计读数作为辅助信息,利用三角法计算特征点在当前机器人坐标系中的坐标位置,这里的三维坐标计算需要在延迟一个时间步的基础上进行。根据特征点在当前摄像头坐标系中的三维坐标以及它在地图中的世界坐标,来估计摄像头在世界坐标系中的位姿。这种降低了传感器成本,消除了里程计的累积误差,使得定位的结果更加精确。此外,相对于立体视觉中摄像机间的标定,这种方法只需对摄像机内参数进行标定,提高了系统的效率。
（4）定位算法基本过程：
简单的算法过程，可基于OpenCV进行简单实现。
输入
通过摄像头获取的视频流（主要为灰度图像，stereo VO中图像既可以是彩色的，也可以是灰度的 ），记录摄像头在t和t+1时刻获得的图像为It和It+1，相机的内参,通
在智能车辆的领域中，视觉导航是一项关键技术，它通过利用图像处理和计算机视觉算法，使车辆能够感知、理解和导航其周围环境。智能车辆视觉导航的应用范围广泛，包括自动驾驶、智能交通系统和机器人等领域。
智能车辆视觉导航的原理
智能车辆视觉导航的原理是利用摄像头、激光雷达等感知设备获取周围环境的图像信息，然后通过计算机视觉算法对图像进行处理和分析。首先，车辆会对图像中的物体进行检测和识别，例如车道线、交通信号灯和行人等。接着，车辆会根据物体的位置和运动轨迹来判断自身的位置和方向。最后，车辆根据自身位置和目标位置之间的差异制定相应的行驶策略，如转向、刹车或加速。
智能车辆视觉导航的应用
智能车辆视觉导航的应用范围非常广泛。在自动驾驶领域，智能车辆需要通过视觉导航来感知道路、识别交通标志和规划最佳路径，从而实现自主驾驶。另外，在智能交通系统中，智能车辆可以通过视觉导航来监测交通流量、识别违规行为和辅助交通管理。此外，智能车辆的视觉导航技术也可以应用于机器人领域，例如自主导航机器人和无人机等。
智能车辆视觉导航的挑战
智能车辆视觉导航面临许多挑战。首先，不同场景下的图像数据具有很大的变化，例如光照条件、天气条件和道路状况等，这会影响视觉导航的准确性和稳定性。其次，车辆需要实时地对大量的图像数据进行处理和分析，这对计算资源和算法效率提出了很高的要求。另外，智能车辆在导航过程中需要快速、准确地感知周围环境和判断行驶策略，这对实时性和决策能力提出了挑战。
智能车辆视觉导航的发展趋势
随着计算机视觉和人工智能等技术的不断发展，智能车辆视觉导航也在不断演进和提升。一方面，随着深度学习等技术的应用，车辆对图像的处理和分析能力得到了大幅提升，使得视觉导航的准确性和稳定性得到了较大的提升。另一方面，随着传感器技术的进步，智能车辆可以获取更加丰富和准确的环境信息，从而提高导航的准确性和安全性。
此外，智能车辆视觉导航还会向着更加智能化和自主化的方向发展。未来，智能车辆将会更加准确地识别和理解复杂的道路场景，例如识别道路中的施工区域和交通拥堵情况等。同时，智能车辆还将具备更强的决策和规划能力，能够根据交通状况和乘客需求制定最佳路径和行驶策略。
结语
智能车辆视觉导航是一项关键的技术，它使得智能车辆具备感知、理解和导航环境的能力。智能车辆视觉导航的应用涵盖了自动驾驶、智能交通系统和机器人等领域。虽然智能车辆视觉导航面临许多挑战，但随着技术的发展和进步，智能车辆视觉导航将会不断演进和提升，实现更加智能化和自主化的导航能力。
激光导航和视觉导航当然是激光导航好了，激光导航准确度肯定要比视觉导航要高得多。但是成本不菲
lds是引导飞机导航着陆而视是飞行员目视着陆
视觉导航技术就是通过视觉来解决机器人“我在哪”的问题，在实际应用中由于轮子的编码器在长时间的累积误差非常大，特别遇到轮子打滑等等因素后，导致定位和建图误差非常大，视觉导航技术就是利用视觉的数据进行处理和分析，然后通过图像处理理论，统计概率理论等手段进行数学优化，把误差降到最低，这样就可以得到最优的定位和精确的建图。
视觉导航技术还处于一个发展阶段，可以了解下一微半导体，他们推出了与视觉导航技术配套使用的机器人专用主控芯片AM680，一站式解决芯片硬件，软件问题。一、定位方式不同
1、激光导航：激光导航是通过LDS激光雷达扫描来判断自己的位置。
2、视觉导航：视觉导航是通过摄像头来实现定位的。
二、定位精度不同
1、激光导航：激光导航定位精度高，即使是无光环境也能精准定位。
2、视觉导航：视觉导航定位精度低，在光线昏暗甚至无光环境难以精准定位。
视觉导航会更适合人们的使用习惯
版权声明：部分内容由互联网用户自发贡献，如有侵权/违规，请联系删除
本平台仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
本文链接地址：/jqr/153141.html