这都不是突然间都知道的，而是根据需求。当你需要一个功能的时候，要么自己写，要么搜搜看别人有没有写过。不过不是当时就要做决定。你可以先写，之后在用别的替换，或者先用别人的库，不满足需求的话用自己的换掉。这都没问题。 至于为什么要选那几个库，也是根据需求来。比如boost里面就有test，不一定要google test。所以这里得根据需要来测试两个库，从中挑一个。 既然他们不是一天之内决定的，你也大可不必一天之内担忧。

1. 看新闻。比如 Hacker News 之类的。有好的开源项目一般会有提到。 2. 订阅相关领域的邮件/周刊。比如我比较关注 Python ，我就订了 Pycoder's Weekly， Python Weekly，每期都会介绍一些好的开源项目。中文的《码农周刊》不错 3. 关注相关领域的邮件列表/社区。一般来说好的项目都会有人讨论，作者也会第一时间到这些地方宣传自己的库。比如 reddit 之类的。 4. 关注代码托管网站（github, codeBucket）的趋势。比如 Github 上就有 explore 可以看到最近最热的项目。 5. 社交网络（twitter, facebook, 微博, Google+），关注一些大号。时不时会有些消息。 6. 关注相关领域每年的会议。比如PyCon啦，PyData，DroidCon之类的。一般来说每年这些社区都会开会，网上能找到视频。时不时的会介绍一些最新的牛掰项目。 7. 和朋友们交流。 8. 自行搜索。 9. 大牛的博客/个人网站。一般不定期会有推荐。

题主稍微多个心就可以了，像你说的opencv库，其实你看下文档，或者编译选项就知道了，光并行优化就有好多种tbb,cuda等。记得里面有个选项是用特别好玩的小并行库，直接搜是搜不到的。 而且像题主pcl中提到的eigen,flann.opencv也是有的。

最通用的方法是 搜索。 每次当你要开发一个什么东西之前，都去网上搜一下，看看有没有开源库可以直接用。比如你要做点云重建，那么搜索的时候一定是能发现PCL的；比如你要做非线性优化，你一定会在搜索结果中发现wiki上的那个非线性优化开源库列表；比如你要做机器学习，你一定会搜索到mloss，等等等。 不要重复发明轮子，这样才是最高效的工作方式。当然，做作业除外，同时还要注意一下各种协议。 其实，没有必要关注什么大牛博客和论坛，善用搜索就足够了。 哦对了，我说的搜索是google，不保证baidu可以搜得到。

拿英文google一下你要解决的问题而已。没什么复杂的。。。

说说我自己的几个渠道吧 1、邮件列表/论坛：看别人的讨论中就会看到很多没听说过的东西，然后略微百科一下，记住就好了 2、 ，这里的新闻资讯里面专门有关于开源项目版本升级的，每次提到的各种开源工具，都会大致看一下，顺便看一下评论里面别人的评价，和提到的别的东西 3、博客：广泛的阅读了很多领域的大牛博客 其实总结起来就是扩展知识面，多看罢了。