SLAM
Simultaneous Localization and Mapping
SLAM是指當某種移動設備（如機器人、無人機、手機等）從一個未知環境裏的未知地點出發，在運動過程中通過傳感器（如激光雷達、攝像頭等）觀測定位自身位置、姿態、運動軌跡，再根據自身位置進行增量式的地圖構建，從而達到同時定位和地圖構建的目的。
SFM（structure from motion）是一種和SLAM非常類似的算法，關於SFM和SLAM的異同，下面說法錯誤的是？
A. SFM和SLAM基本討論的是同一問題，不過SFM最早來自計算機視覺領域，而SLAM則是來自於機器人領域。SFM的structure對應SLAM的mapping，SFM的camera pose對應SLAM的location。(對)
B. SFM一般是離線處理，而SLAM更強調實時性，一般在線處理。(對)
C. SFM處理的圖片一般沒有要求，可以是不同時間不同相機拍攝的同一個場景，而SLAM一般要求是同一相機拍攝的序列圖像或連續視頻。(對)
D. 目前SFM主要是要完成3D reconstuction，而SLAM主要是要完成localization。(錯)
E. SFM通常使用攝像機作爲傳感器，而SLAM在傳感器選擇方面，除了攝像機，通常還包括慣導、激光雷達等傳感器。(對)
F. 如果想要快速對自由女神像進行3D重建，在沒有特殊硬件的情況下，最好的方式是選擇SLAM。(錯)
學習C++新特性的必要性？
1、可以大幅度提高編程效率，切瓜更6
C++新特性增加了很多非常高效的關鍵字和語法，比如std::swap，C++11之前的swap執行了三次內存拷貝操作，這種不必要的內存操作會影響效率。而C++11之後的swap引入了右值引用和數據移動的概念，使用內存移管代替了不必要的內存拷貝，大大提高了效率。
2、省心省力，減少脫髮
舉個栗子。C++11之前如果我們要定義並初始化一個新變量，必須得知道其類型並定義，這在很多時候是非常繁瑣的，比如迭代器的使用，而C++11之後引入了自動類型推導，一個auto解決一切，不需要關心類型，編譯器會幫你自動推導出類型。
3、能看懂別人的代碼，不被新時代拋棄
由於上述的優點，很多開源代碼都是使用C++新特性，工作學習中大家也都使用新特性，如果你根本不瞭解這些新特性，估計很難看懂別人的代碼，時代的戰車會轟隆隆把你拋棄。
下面就跟着學幾招新特性，學習C++的路也是漫長的。
仔細想一想。。。。
關鍵字auto的用法
這個我之前見過。。。好吧，學無止境。
躲不掉的Lambda。。。。
學無止境。。。。
課後題，我覺得我得先去看看書才行。。。
正確的輸出結果：
這個代碼，我回頭補上，當然肯定CMakelist.txt的內容