前些天学姐分享了一位机器学习大佬的学习经验，还有一位kaggle master天才少年的成长路径。大家也许都在他们的故事中理出了一些思路用到自己成长路径上面。

今天这个同学的故事更能引起大家的共鸣，因为很多同学现在正切实的体验着他走过的路。

结缘机器人

看题目大家肯定猜到了今天介绍的这个同学是从物流跨专业到机器人的。物流和机器人专业的差别还是挺大的，他也不是自己选择来做机器人的，而是考研时候被调剂到了机械相关专业做机器人研究（别问我为啥写的这么不专业，每个学校的专业设置和名称都不太一样）。

学姐很多粉丝也是这样，通过了考研却被调剂到人工智能或者计算机科学相关专业，从接受这个现实，到开始研究选题每一步都要调整自己的心态，好让自己快速的吸收新的知识。

为啥还要调整心态？因为不喜欢这个专业啊！得有一段时间给自己做心理建设。

初识CV

这位同学告诉学姐，学习CV刚开始就是因为自己研究机器人要用到这部分的知识。这里可能有同学要问了，机器人哪块会用到CV的知识？

科普一下：

• 智能机器人涉及到的关键技术有多传感器信息融合，导航与定位，路径规划，机器人视觉，智能控制，人机接口技术等。

• 其中机器人视觉中的视觉系统是自主机器人的重要组成部分,一般由摄像机、图像采集卡和计算机组成。

• 机器人视觉系统的工作包括图像的获取、图像的处理和分析 、输出和显示, 核心任务是特征提取 、图像分割和图像辨识。

• 而如何精确高效的处理视觉信息是视觉系统的关键问题。视觉信息处理逐步细化, 包括视觉信息的压缩和滤波、环境和障碍物检测、特定环境标志的识别、三维信息感知与处理等。其中环境和障碍物检测是视觉信息处理中最重要、也是最困难的过程。

• 边沿抽取是视觉信息处理中常用的1种方法。对于一般的图像边沿抽取, 如采用局部数据的梯度法和二阶微分法等，对于需要在运动中处理图像的移动机器人而言,难以满足实时性的要求。

• 为此人们提出1种基于计算智能的图像边沿抽取方法, 如基于神经网络的方法、利用模糊推理规则的方法，特别是Bezdek J .C教授近期全面的论述了利用模糊逻辑推理进行图像边沿抽取的意义。

• 这种方法具体到视觉导航, 就是将机器人在室外运动时所需要的道路知识, 如公路白线和道路边沿信息等 , 集成到模糊规则库中来提高道路识别效率和鲁棒性。还有人提出将遗传算法与模糊逻辑相结合。

• 机器人视觉是其智能化最重要的标志之一, 对机器人智能及控制都具有非常重要的意义。国内外都在大力研究 ,并且已经有一些系统投入使用。（以上内容来源于百度）

进阶学习

这位同学因为在开始做研究的时候，总被导师骂“太菜了”，但是导师又不是研究这个方向的。只能自己去找相关资料和视频来看。最初在B站上看视频，也不知道自己要看什么看过matlab的图像处理，看过吴恩达的视频，感觉有点用。

后来等到开始写论文的时候，又开始研究怎么写论文，定选题找资料的时候看了深度之眼在B站上的公开论文指导，然后就开始跟着深度之眼学习论文，kaggle比赛和CV课程。

慢慢的渐入佳境，听课也不烦，能听得进去，就一直跟着学，“水了”论文，打了比赛算是有了项目经验，CV的课也一直在配合着学习！

这位同学还说，一路走来发小给了他很大的支持，是一个精神寄托的存在。深度之眼的一个助教也给他解答过学习路上的一些疑惑。

学姐觉得这位同学能够走到现在，完全是在升级打怪，遇到难题见招拆招。希望其他的同学今后在学习的时候，也能保持这样的积极性，也能遇到共同奋斗的小伙伴。

这位同学现在已经研二了，他告诉学姐有一丢丢后悔是因为CV方向太卷了，但又有很大庆幸，他找到了一个学CV的女朋友可以教他学习。

最后寄语

学姐问他有没有什么想说的给和他同样都是调剂来人工智能相关专业的同学？

他说：“选对老师很重要，同时也挺后悔没有直接选人工智能专业，大学只顾着玩了。”

学姐倒是觉得，人生每一步路都不会白走，只要你一直努力向前。谁也不知道哪些才是弯路~他人的经验，学习路径都是可以借鉴的！

希望大家都加油鸭！有什么问题关注微信公众号，点击菜单栏——联系学姐——焦虑回收站，说出你的问题或焦虑吧！