# pilab_research_fields

**Repository Path**: CSS365_admin/pilab_research_fields

## Basic Information

- **Project Name**: pilab_research_fields
- **Description**: 智能系统实验室 - 研究方向
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 65
- **Created**: 2020-10-08
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能系统实验室 - 研究方向

实验室围绕无人系统开展环境感知、空间认知等方面的研究工作，研究工作的整体介绍可以查阅[《Visual SLAM and Navigation》](http://www.adv-ci.com/download/202004_VisualSLAM_Navigation.pdf) ，发表论文列表：http://www.adv-ci.com/blog/publications/ 


主要的研究方向如下所列：
* [语义定位与地图](https://gitee.com/pi-lab/research_semantic_localization)：主要研究如何通过构建认知地图的方式，实现空间定位等。
* [SLAM](https://gitee.com/pi-lab/research_deep_SLAM)： 主要研究如何融合传统的SLAM与深度学习SLAM，从而模拟人类的环境感知。
* [在线学习与增量学习](https://gitee.com/pi-lab/research_online_learning)： 研究如何实现模型训练与推理融合一体，从而应对新的场景与变化。
* [差异检测](https://gitee.com/pi-lab/research_change_detection)：研究如何有效对比不同时刻的图像，判断语义层面的差异和变化


## 1. 如何做研究

关于如何做研究，请仔细阅读[《如何做研究》](tips/HowToResearch.md)

想要取得好的研究成果，很好的编程、数学、思维能力必不可少，但刚开始的时候各项能力都比较弱，会处处受挫，所以不要着急，每个人需要根据自己的特点，找到一个突破口，慢慢从这个突破口取得成绩并获得成就感。例如你觉得理论能力相对好，可以先从理论创新开始，然后补其他编程基础的短板；如果自己觉得自己的编程能力比较强，可以先从修改程序入手，逐步加入新的想法，然后逐步学习理论知识。

由于研究生期间的时间比较短，而所需要学习的东西非常多，因此合理的时间分配是十分重要的。此外对所做的研究需要找到相关资料、了解已有哪些方法、问题有哪些等。因此需要在开始研究之后，制定自己的[《研究计划》](tips/master_life/Guidelines_for_ResearchPlanning.md)。制定计划的时候，不用贪多求全，可以先把已经知道的写好，通过研究过程认识的加深不断完善，从而最终完成研究计划和研究本身。

更多的内容请参考[《如何做研究》](tips/HowToResearch.md)


## 2. 学习研究的前奏
在开始研究之前，需要将下列基础知识的学习、练习完成，从而加快后续研究的效率。**磨刀不误砍柴工！**

1. 研究不仅仅是时间的付出，更多的是学习、琢磨研究的方法等，因此需要先学习一下[《如何学习 - 研究的心得与方法》](tips/README.md)
2. 编程在研究过程非常重要，比较强的编程能力能够快速将想法实现，在相关研究开始之前，先学习一下编程、数据结构、算法、Debug、常用工具等。课程主页在：https://gitee.com/pi-lab/learn_programming
3. 相关研究的基础：[《西北工业大学智能系统实验室 - 入门教程》](https://gitee.com/pi-lab/SummerCamp)，以及对应的练习题: [《西北工业大学智能系统实验室 - 入门教程配套练习题》](https://gitee.com/pi-lab/SummerCampHomework)
4. [《机器学习教程》](https://gitee.com/pi-lab/machinelearning_notebook)，以及[《机器学习作业》](https://gitee.com/pi-lab/machinelearning_homework)


## 3. 参考

### 3.1 研究资料
* [如何做研究？](tips/HowToResearch.md)
* [研究的心得与方法](tips/README.md)
* [研究文献的汇总](references/README.md)
* [西北工业大学 - 学士论文LaTex模版与示例](https://gitee.com/pi-lab/template_bachelor)
* [西北工业大学 - 硕士论文LaTex模版与示例](https://gitee.com/pi-lab/template_master)
* [如何写论文？](tips/paper_writting/README.md)
* [如何审论文？](tips/paper_writting/paper_review/README.md)
* [如何回复审稿意见？](tips/paper_writting/paper_response/README.md)


### 3.2 工具类
* Git
  - [Git快速入门 - Git初体验](https://my.oschina.net/dxqr/blog/134811)
  - [在win7系统下使用TortoiseGit(乌龟git)简单操作Git](https://my.oschina.net/longxuu/blog/141699)
  - [Git系统学习 - 廖雪峰的Git教程](https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000)
  - [PILAB的Git使用教程](tools/Git使用教程_PILAB.pdf)
* Markdown
  - [Markdown——入门指南](https://www.jianshu.com/p/1e402922ee32)