记“渣硕”的一篇SCI写作历程（SLAM方向）

SLAM是强实战的交叉学科，在SLAM知识星球经常收到很多同学的提问，大家对于发表SLAM方向的论文一脸懵逼，在论文、项目和就业三座大山下鸭梨山大。

最近计算机视觉life刚好看到华中科技大学硕士三川小哥的一篇SCI写作历程，虽然他自称“渣硕”，但是凭借自身的努力发表了SCI论文，整个过程非常有借鉴意义，感谢三川的分享~

三川虽说是理工男，却吟的一首好诗，欢迎关注三川的知乎

https://zhuanlan.zhihu.com/p/104397051

1、准备阶段

文字本无意，般若使其生。

数字原死寂，赋之灵。

有学者使命，与理论同行。

入无人旷境，凌精尖寒风。

纵搔散青丝，不枉我痴情。

幼时好清净，常闷家门里，却有学者梦，附庸风雅也，叶公好龙罢，总是梦想做一个悟言一室、穷究其理的人。站在人烟罕至、空气稀薄的理论高空，静静的看着熙熙攘攘的人们，被世俗的教条、道德的约束所禁锢。而我却能往来期间，从心所欲而不逾矩。问君何能尔，看破字行间？虽然我目前根本做不到，而且越来越社会，今后也不可能做到了。但读研究生的学习机会，给了我一个契机：我或许可以在一个很小的分支领域做到前无古人后无来者的境界。

于是我带着这个执念出发，开始寻找自己的研究点，开始心气大，只想做理论深的，观点新的，格局大的。找各种论坛交流，邮件请教，甚至自己组织举办华科SLAM交流会，走访一些实验室，初生牛犊啊。基于SLAM方向，先后研究了稀疏矩阵分解的算法优化，增量平滑建图优化，词袋索引回环检测，因子图优化等方向，虽然2018年发表了一篇“稀疏矩阵分解优化算法”的论文，但终究因为结果不好，层次不高，内心不能满足。

在老师的鼓励下，我也自觉的心气不衰，便于19年春节后，带着新年的喜悦重整出发，我先总结自己上一篇文章的经验，总结了上一篇论文的三大问题：

理论太深，太深就需要更宏观的视野，需要对基础问题的驾轻就熟，需要长期的实践经验才能对问题看透，否则就像我，问题都解释不清，怎么能提出优化方法呢？

阅读太少，我提出的一些创新点，后来发现都是别人试错过的，或者常规的解决思路，因为阅读的太少，盲人摸象，最后越做越泄气。

操之过急，年少肝火气旺，总想着一口吃个大胖子，每天把计划规定的死死的，一点都不能商量。可时间是刚性的，进展是柔性的，最终为了赶上自己的跃进步伐，前期的调研和基础测试实验，只能草草了事以赶进度，后期发现。

所以我在新的一篇文章构思前，确定了三条方针：创新点要与实际应用相关，前期要深入掌握发展脉络，最后的实验必须完善严肃。

2、找论文方向

综合上一个论文的经验和一段时间的调研，我把目光聚焦于激光雷达的帧间配准算法方面。早春的梧桐枯叶凌冽寒风，一片片潇潇落下，寻找创新点的过程也是一如既往的痛苦，整天游离在各种雷达点云的数据结构和处理模型之间。但逐渐发现，这个贴近于应用的研究方向也存在很多问题，首先变量规模太小，可优化的空间也小，导致其可操作空间小，翻阅已发表的论文来来去去都是这么几个优化方面。

瞬间感觉矫枉过正，作无可做，但是时间不饶人啊，将近阳春三月，按照计划是在暑假前交稿。而时间慢慢流逝让我感到可供选择的机会已经不多了，急躁的心情被这漫天的梧桐飞絮搞得毛毛乱乱，我必须在已经掌握的方向中，找一个合适的论文点。

抱着王八吃秤砣的心，坚决不变方向，坚定路线。后来在多次复现实验中，我发现了现有NDT算法的一个小漏洞，即采用格栅划分的雷达点不适和正太分布，至少在部分情况下。主要是因为NDT采用格栅划分的方式太过死板，无法对雷达点的分布做出自适应调整。（论文“找问题”才是最重要的，要真问题的问题，有问题的问题。）

悬铃未落净，新叶已催发

悬铃未落净，新叶已催发。

雀在巢中唤，雏争雨试飞。虽不知远路，但不曾回头。性情随天生，小池难束留。

晚春柔风细雨，梧桐嫩芽新绿，争着往外生长，一天一个样，给人希望和新生。要解决的问题已经找到，接下来就是找方法了。自适应分类的算法不外乎聚类，包括Kmeans，FuzzyCmeans，DBSACN。一个个测试，结果基于密度的聚类划分效果比较好。

所以决定采用DBSCAN作为主体划分方法，但效果仍然很差，接下来就是打补丁的过程：

补丁一：由于雷达的点具有辐射状分布，而DBSCAN采用的欧式距离测度不合适变化的间距，我提出了一种以三角函数来动态测距的方法。

补丁二：虽然DBSCAN把整个雷达点集合聚类在了一起，但是有的区域因为雷达点分布的连续性太高了（密度可达性），导致有的类又聚的太大了，不能正常拟合成高斯分布，只能采用对他做二次分类（隐隐感觉到最终速度不行），我对比了Hough变换、最近邻点、Kmeans三种，最终选择了Kmeans作为二次划分方法。

补丁三：怎么确定哪个DBSCAN结果需要进行细分呢？随后找到了一种，基于奇异值分解的算法。筛选每个点集的主特征值和次特征值，求其之比。比例过大就进行二次划分。

补丁四：K-means的K参数怎么确定呢？这是后来审稿人提出问题，遂又把奇异值比率的结果，修正后用在这个地方。

千疮百孔，补丁打完。可以着手编程出实验了，实现过程也是一步一个坎，琐碎步骤，按下不表。一个月的编程实验后，时已夏日炎炎，不觉窗外梧桐已树荫茂盛，密不透风，算法程序验证后，结果很差，优化也效果不济，心情也被这铺满窗的树叶捂得闷热。显然，加了那么多聚类步骤，算法的计算时间被严重拉趴下。虽然结果算法的计算速度很慢，但是相比于原有NDT，匹配精度统计上的微弱提高。

结果已定，抓紧成稿，窗外树叶合风，与我的键盘敲击声，协然而奏。盛夏的火龙果和大西瓜清脆爽口，是个丰收的时节，一个多月的时间，一篇英文文稿已定。一遍遍修改，找老师们提意见。最终八月投稿到了一个SCI期刊。

3、修改

中间有两个多月等待结果，正好腾出了我找工作的时间。

秋雨涟涟，树叶以殷实墨绿，其后写毕业论文的过程中也比较清闲，结合已发表的算法文章，构成我的毕业论文的核心部分。

一场秋雨一场寒，武汉的冬天来得那么迅猛，让人措手不及，周围一个个打着喷嚏的人们让我身感不安，梧桐树叶已泛黄，零星的几片难禁寒风，飘飘落地。一个突然的email，打断了我的懒散，论文审稿意见出来了，四个评委三个大修，一个通过。四十多条反馈问题，刀刀见肉，专家到底见识深远，我想掩盖的小bug，一个都没被放过，关公面前耍大刀，很是打击人。

经过多方咨询了解，获知大修表示很有可能接受，我又瞬间满血复活，开始修改吧。从最被诟病的实验开始，把原来在ROS下的仿真实验统统删掉，换成开源数据集的实际实验。写接口统一数据格式程序，找框架输出结果。实验改完后改程序推导流程，和各个参数的初始化，还有很多公式的格式错误。然后改图表，出高清插图。四十条评审意见逐条回复。最后整体改语法，英语啊，全文打印并逐句修改，然后文档勘误，反复四轮，增删改调，枯燥乏味，无可奈何。

最终连续一个月的修改完善，元旦假日，冬天温暖的阳光，穿过的梧桐枯叶的缝隙，照进窗来暖洋洋，经老师确认，最终提交了修改稿提交。虽然最终结果也难以预料，尽力而为，只盼能被接收吧。

看看窗外的梧桐枯枝上戏耍的两只鸟，如大病初愈，一身轻松。

4、接收

肺炎疫情让我每天提心吊胆，农历新年就在明天，除夕早起，打开手机，两个新邮件在消息栏，熟悉的title让我激动不已，我新潮澎湃的打开，看到三个评委都是通过，一个评委也同意接收，第二封邮件上，那个“accept”单词，好像被放大了很多倍，我拼读了好几遍，a-c-c-e-p-t，生怕认错了，我又小心翼翼的看看前后有没有否定单词。

啊，在农历最后一天，终于被接收了，我躺在老家暖和的被窝里，脑子里浮现了实验室那个角落，坐了一年的老小孩。不知窗外的那片梧桐树如今冬貌何芹，等疫情平息后，再次见到他们，应该又是嫩芽新发，再一个轮回吧。

声明：文章收集于网络，版权归原作者所有，为传播信息而发，如有侵权，请联系小编删除，谢谢！