昨晚和一朋友 J通话了许久，主要聊了聊各自的工作及目前的状态，J在某司做SLAM相关的工作，可以理解为AR,机器人，自动驾驶的方向之一，也是目前主流的趋势。
说起与J的相识，也算是抱团取暖时候认识的，毕业后找工作的过程中，也许J是从知乎上看到的，或者某处转发看到的，也好像是某次留言互动的，我们就互相加了微信，从一开始到现在，有一年半的时间了，虽然没有见过面，但中间也是断断续续的交流了一些问题与想法，算是互相聊的来的那种。
J入职一年多些，做着slam相关的研究和产品落地，从我们的聊天对话里，各自了解到不同公司的开发流程。下面就来说说公司里做slam是一种怎么的过程及体验。
无论AR,机器人，自动驾驶，或许是同一套模板。
1. 研发人员会先跑通一个开源框架，我们耳熟能详的svo,vins,loam等，选其中之一进行算法移植，产品落地。
2. 开源框架应用的过程中肯定会存在各种bug及环境适应性，针对环境及需求修复相关bug或者增加新的feature。
3. bug和feature修复完毕，一个开源框架才算真正应用到产品，也就是我们说的，第一步跑通了代码。此时，应用但手机硬件cpu或者车载硬件工控机上，软件或测试人员会提出功耗及内存，性能的问题，比如功耗过大导致产品过热，内存过大导致运行卡顿，性能较慢导致启动时间过长等。
4. slam研究人员针对功耗，性能，内存的问题进行相关优化，前端主要考虑cv匹配的加速，后端主要考虑求解器的重构，或者求解库的改写，或者自行实现一个求解器。
5. 待以上步骤完成后，可以实现一个简单的产品demo，要求不高的话就可以拿这个给三方提供解决方案了。当然，出售之前需要测试各种环境的适配性，对不适配的环境也要重新进行改写，直到达到标准的稳定运行程度。
6. 后期产品迭代及预研下一代产品，slam研究员会考虑不同框架的结合，拿出各自的优点进行组合，比如orb和vins，svo和orb的结合，结合的目的当然是创造更好的用户体验。
7. slam算法工程师也会打破开源框架的约束，从头开始实习一个新的框架，一步一步往新框架里面添加idea及feature，或者发个论文，写个专利都可。
每个公司的运行模式及人员安排不同，或许更有差异，有的公司slam算法直接对接三方需求，有的算法