b站 史雪松：室内机器人系统的长期视觉定位与建图 简单记录

视频链接
室内机器人系统的长期视觉定位与建图主要面临的问题包括：
缺乏长期采集的数据以及真值，环境随时间的变化，多机协作等。
作者对于以上问题提出的解决方案有：

缺乏数据：

发布了室内多传感器数据集 openLORIS-scene, 以及室内外长期激光数据集。

针对环境变化：

1. 提出DXSLAM：现有基于深度学习成果的集大成者（利用superpoint替换orb, 利用hfnet做定位）
2. 提出RaP-Net：在图像中的静态稳定区域提取关键点。

多机协作：

A collaborative visual slam framwork for Service Robots. IROS 2021.
同一场景中的机器人共享同一个地图，边缘服务器维护场景地图库，每个终端只执行视觉里程计维护局部地图，并与服务器实时同步。

地图同步问题？
如何共享路标用于定位?（根据先验位姿预测可视区域，检索区域内的地标进行定位）。
高效优化地图？

前沿探索：用神经网络持续建图

continual nerual mapping: 随新观测，更新网络权重，无需存储历史数据。
挑战：快速在线训练、回环、编码更多信息？