SLAM
Simultaneous Localization and Mapping
SLAM是指当某种移动设备（如机器人、无人机、手机等）从一个未知环境里的未知地点出发，在运动过程中通过传感器（如激光雷达、摄像头等）观测定位自身位置、姿态、运动轨迹，再根据自身位置进行增量式的地图构建，从而达到同时定位和地图构建的目的。
SFM（structure from motion）是一种和SLAM非常类似的算法，关于SFM和SLAM的异同，下面说法错误的是？
A. SFM和SLAM基本讨论的是同一问题，不过SFM最早来自计算机视觉领域，而SLAM则是来自于机器人领域。SFM的structure对应SLAM的mapping，SFM的camera pose对应SLAM的location。(对)
B. SFM一般是离线处理，而SLAM更强调实时性，一般在线处理。(对)
C. SFM处理的图片一般没有要求，可以是不同时间不同相机拍摄的同一个场景，而SLAM一般要求是同一相机拍摄的序列图像或连续视频。(对)
D. 目前SFM主要是要完成3D reconstuction，而SLAM主要是要完成localization。(错)
E. SFM通常使用摄像机作为传感器，而SLAM在传感器选择方面，除了摄像机，通常还包括惯导、激光雷达等传感器。(对)
F. 如果想要快速对自由女神像进行3D重建，在没有特殊硬件的情况下，最好的方式是选择SLAM。(错)
学习C++新特性的必要性？
1、可以大幅度提高编程效率，切瓜更6
C++新特性增加了很多非常高效的关键字和语法，比如std::swap，C++11之前的swap执行了三次内存拷贝操作，这种不必要的内存操作会影响效率。而C++11之后的swap引入了右值引用和数据移动的概念，使用内存移管代替了不必要的内存拷贝，大大提高了效率。
2、省心省力，减少脱发
举个栗子。C++11之前如果我们要定义并初始化一个新变量，必须得知道其类型并定义，这在很多时候是非常繁琐的，比如迭代器的使用，而C++11之后引入了自动类型推导，一个auto解决一切，不需要关心类型，编译器会帮你自动推导出类型。
3、能看懂别人的代码，不被新时代抛弃
由于上述的优点，很多开源代码都是使用C++新特性，工作学习中大家也都使用新特性，如果你根本不了解这些新特性，估计很难看懂别人的代码，时代的战车会轰隆隆把你抛弃。
下面就跟着学几招新特性，学习C++的路也是漫长的。
仔细想一想。。。。
关键字auto的用法
这个我之前见过。。。好吧，学无止境。
躲不掉的Lambda。。。。
学无止境。。。。
课后题，我觉得我得先去看看书才行。。。
正确的输出结果：
这个代码，我回头补上，当然肯定CMakelist.txt的内容