Bash/Linux
SLAM开发是在Linux上进行的。机器人运行Linux，数据集在Linux服务器上处理，几乎每一个SLAM代码库都假设使用Linux工具链。熟练使用命令行是不可或缺的。
核心技能
- 文件系统：
ls、cd、cp、mv、find、grep——用于浏览代码以及在日志和数据集中查找信息。 - 进程管理：
top/htop、kill——查看你的SLAM节点是否占满了某个CPU核心或存在内存泄漏。 - 构建工具：
cmake、make、ninja——每一个C++ SLAM项目都是这样构建的。 - ROS工具：
roslaunch、rostopic、rosbag——全部都是从Bash中调用的。 - SSH：对机器人和服务器的远程访问。几乎所有机器人调试工作都是通过
ssh完成的；要学会基于密钥的登录，以及用scp/rsync来搬运bag文件和地图。
几个组合模式几乎覆盖了日常的日志与数据处理工作：
grep -rn "tracking lost" logs/ # find every tracking failure
grep "ATE" results.txt | sort -k2 -n # sort runs by error
find data/ -name "*.bag" | xargs -I{} du -h {} # size of every bag
watch -n1 nvidia-smi # GPU load while a model runs命令行文本编辑器与tmux
当你通过SSH登录到一台机器人上时，没有IDE可用，因此你需要能熟练使用一款终端编辑器——Vim（或作为备选的nano），足以编辑一个配置文件、修复一个启动脚本，然后顺利退出。Vim的基本生存技能：i进入插入模式，Esc后输入:wq保存并退出，/用于搜索。
tmux（或screen）是一款终端多路复用器：它能让会话在你断开连接后依然存活，并让你把一条SSH连接拆分成多个窗格。一个典型的机器人调试会话会在一个窗格中运行SLAM节点，在另一个窗格中运行htop，在第三个窗格中回显某个话题——即使Wi-Fi连接掉线也能存活下来。最简工作流：
tmux new -s slam # create a named session
# Ctrl-b % -> split vertically, Ctrl-b o -> switch pane
# Ctrl-b d -> detach
tmux attach -t slam # reattach after reconnectingShell脚本
小型Bash脚本把各种实验串联起来：在数据集的每一个序列上批量运行某个SLAM系统、转换格式，或启动评估流程。要学会变量、循环、管道和退出码——足以写出一个run_all_sequences.sh：
#!/usr/bin/env bash
set -euo pipefail # fail fast on errors and typos
for seq in data/sequences/*/; do
name=$(basename "$seq")
echo "=== $name ==="
./build/slam_app --config cfg.yaml --input "$seq" \
> "results/${name}.log" 2>&1 || echo "FAILED: $name"
done其中set -euo pipefail这一行以及显式处理退出码，正是”一个能让你彻夜信赖的脚本”与”在第二个序列崩溃后仍悄悄’成功’的脚本”之间的区别。
常见陷阱
- 忘记source环境：除非你工作区的
setup.bash在每一个shell（包括每一个新打开的tmux窗格）中都被source过，否则ROS工具会报出莫名其妙的错误。 - 在tmux之外运行长时间任务：一旦SSH断开就会杀死进程；在机器人和服务器上永远使用可断开重连的会话。
- 设备权限：摄像头和串口IMU会显示为
/dev/video*和/dev/tty*；所谓”找不到传感器”往往只是你的用户没有加入video/dialout用户组，或缺少相应的udev规则。 - 引号与空格：未加引号的变量（
$seq而非"$seq"）一旦路径中出现空格就会出错——默认应始终加引号。
对SLAM的意义
一名SLAM工程师的日常循环——用CMake构建、通过SSH部署到机器人、在tmux中运行、录制rosbag、grep日志——完全由命令行驱动。熟练掌握这些并不会让你的算法变得更好，但缺乏这些技能会拖慢你进行的每一次实验。