TheRun的博客

强度前端包括强度矫正，特征提取和扫描上下文里程计估计。

假设许多机器人应用程序不需要重建表面的高分辨率水平，并且可以从不太准确但成本较低的地图中受益，从而获得和内存效率。本文针对主流计算平台，提出了一种基于粗糙、轻量级三维表示的快速RGB-D SLAM，用于动态室内环境的稠密紧凑建图。文中还提出了一种简单快速的动态元素检测和过滤公式。我们展示了我们的系统的健壮性，它的低内存需求和良好的性能。

主要思想是对场景进行两次分割，将其划分为几何聚类，这些几何聚类又被归类为静态或移动元素。

图1是提出的FlowFusion的工作框架，输入连续两帧RGB-D帧A和B，RGB图像输入PWC网络来获取光流估计，同时强度-深度图像对输入相机运动估计（前端里程计），获取相机初始位姿ξ（Section III-A具体介绍），然后根据位姿ξ 投影图像A到A‘，获得投影的2D场景流（(Section III-B具体介绍)），用场景流来进行动态分割，在几次迭代之后（Section III-C,具体介绍）静态场景被重建。

稠密RGB-DSLAM 检测移动目标并重建背景和结构利用RGB-D图像对估计相机位姿的同时估计当前帧动/静态概率分割该分割然后用于加权密集RGB-D融合，以估计仅环境的静态部分的3D模型。通过利用3D模型进行帧到模型对齐，以及静态/动态分割，相机运动估计减少了整体漂移，并且对场景中的动态存在更加鲁棒。创新点：系统的输入是一堆RGB-D图像，同时利用RGB图像计算图片的强度图首先，每个输入对(强度图ID，深度图ZD)通过在背景点的3D坐标上应用KMeans被分割成K个几何聚类C = {Ci，i = 1，…

CubeSLAM: Monocular 3D Object SLAM 论文笔记摘要提出了一种静态和动态环境下单幅图像3D长方体目标检测和多视点目标SLAM的方法，并证明了这两个部分是相互促进的。首先，对于单图像目标检测，我们通过2D包围盒和消失点采样生成高质量的长方体轮廓。基于与图像边缘的对齐，进一步对方案进行评分和选择。其次，提出了结合新的物体测量值的多视点捆绑平差（BA）方法，以联合优化摄像机、物体和点的姿态。物体可以提供远距离的几何和比例约束，以改进摄像机的姿态估计，减少单目漂移。

Semantic Image Alignment for Vehicle Localization 论文笔记图像对齐：在两帧之间计算相对变换，类似单应矩阵对图片处理的逆变换，将两张不同角度的图片对准为同一个像素点的变换矩阵已知图像A和B，图像对齐的步骤：提取图像A和B的特征匹配图像A和B中的特征求解图像A和B的对齐矩阵摘要研究问题 ：在密集的语义地图，包括矢量化的高清地图或3D网格，使用单目摄像机的语义分割进行车辆定位。解决方案 ：将定位任务描述为语义图像上的直接图像对齐问题，这使得我

DymSLAM:4D Dynamic Scene Reconstruction Based on Geometrical Motion Segmentation 论文笔记摘要本文介绍了一个动态立体视觉SLAM系统DymSLAM，该系统能够重建具有刚性运动物体的4D(3D+时间)动态场景。DymSLAM的唯一输入是双目视频，其输出包括静态环境的稠密地图、运动物体的三维模型以及相机和运动物体的轨迹。首先使用传统的SLAM方法检测和匹配连续帧之间的兴趣点。然后采用多模型拟合的方法对不同运动模型(包括自

VDO-SLAM: A Visual Dynamic Object-aware SLAM System论文笔记原文：https://arxiv.org/pdf/2005.11052.pdf代码：https://github.com/halajun/VDO_SLAM摘要本文提出了一种鲁棒的视觉动态物体SLAM系统 VDO-SLAM，该系统利用语义信息实现对场景中动态刚体的精确运动估计和跟踪，而无需对物体的形状或几何模型有任何先验知识。该方法对环境中的动态目标和静态结构进行识别和跟踪，并将这些信息集成到

DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments 论文笔记源码：https://github.com/ivipsourcecode/DS-SLAM主要是通过语义分割和运动一致性检查相结合的离群值剔除方法来检测动态点。摘要本文提出了一种面向动态环境的稳健语义视觉SLAM—DS-SLAM。在DS-SLAM中，有五个线程并行运行:跟踪、语义分割、局部映射、循环关闭和密集语义地图创建。DS-SLAM将语义分割网络与移动一致性检查方法相结

ManhattanSLAM:论文笔记原文：《ManhattanSLAM: Robust Planar Tracking and Mapping LeveragingMixture of Manhattan Frames》摘要本文提出一种RGB-D SLAM系统之前的工作使用曼哈顿世界（MW）假设来估计低漂移摄像机的姿态，反过来限制了此类系统的应用。相比之下，本文提出了一种新的方法，在MW和非MW环境中提供稳健的跟踪。我们检查平面之间的正交关系，直接检测曼哈顿帧，将场景建模为曼哈顿帧的混合体。对于M

Dynamic SLAM: The Need For Speed 论文笔记摘要提出了一种新的基于特征的、无模型的、物体感知的动态SLAM算法，该算法利用语义分割来估计场景中刚性物体的运动，而不需要估计物体姿态或具有它们的3D模型的任何先验知识。该算法生成动态和静态结构图，并能够提取场景中刚性运动对象的速度。SLAM中动态对象的说明所考虑的问题是，在进行SLAM估计的机器人的感测范围内有相对较大的刚性物体移动。SLAM前端能够在不同的时间步长识别和关联来自同一潜在移动对象的点。这些点共享潜在的运动约束

RGB-D SLAM with Structural Regularities 论文笔记摘要提出了一种专为结构化环境设计的 RGB-D SLAM 系统，旨在依靠从周围提取的几何特征来提高跟踪和映射精度。除了点之外，结构化环境还提供了丰富的几何特征，例如线和平面，我们利用这些特征来设计 SLAM系统的跟踪和映射组件。对于跟踪部分，我们基于曼哈顿世界（MW）的假设探索这些特征之间的几何关系。我们提出了一种基于点、线和平面的解耦细化方法，以及在额外的姿态细化模块中使用曼哈顿关系。对于映射部分，以较低的计算

Towards Real-time Semantic RGB-D SLAM in Dynamic Environments 论文笔记摘要在本文中，我们提出了一个用于动态环境的实时语义RGBD SLAM系统，它能够检测已知和未知的移动物体。为了降低计算成本，我们只对关键帧进行语义分割，以去除已知的动态物体，并保持一个静态地图，以实现强大的相机跟踪。此外，我们提出了一个高效的几何模块，通过将深度图像聚类为几个区域，并通过它们的重投影误差识别动态区域，来检测未知的移动物体。第一批在低功耗嵌入式平台上实时运

Semantic visual SLAM in dynamic environment 论文笔记摘要本文提出了一种新的SLAM方法，利用mask R-CNN检测环境中的动态对象，并构建包含语义信息的地图。在该方法中，利用重投影误差、光度误差和深度误差为每个关键点分配一个鲁棒权值。从而实现动态点与静态点的分离，利用动态关键点实现动态对象的几何分割。为每个像素分配一个语义标签，以重建语义地图。引言使用 mask R-CNN 对图像进行语义分割。语义分割信息去除动态点以获得基于静态特征的准确基本矩阵。

中文论文基于语义信息与多视图几何的动态SLAM方法研究 仲星光 哈尔滨工程大学摘要：针对移动机器人在动态环境中进行精确定位和地图构建的迫切需求,本文在使用深度神经网络获得语义信息的基础上,对动态场景下的相机定位与建图方法进行了研究。同时针对深度神经网络分割不准确以及传统方法在计算位姿时受运动物体影响较大等问题,重点开展了基于语义信息的特征提取、点线融合的帧间位姿估计、结合多视图几何方法的运动物体检测等研究,并且搭建了基于RGB-D相机的动态SLAM系统。最后通过标准数据集和真实场景数据对算法的有效性

OD-SLAM: Real-Time Localization and Mapping in Dynamic Environment through Multi-Sensor Fusion 论文笔记Abstract 摘要本文提出了一种新型的SLAM系统，它主要利用神经网络和多传感器融合来实现机器人在动态环境下的定位。该SLAM系统是基于ORB-SLAM2开发的。它通过神经网络识别出图像中的高动态物体，并将其从图像中移除。由于神经网络不能每次都准确地识别动态物体，它将影响SLAM系统的姿势估计。因此，本文

DOT: Dynamic Object Tracking for Visual SLAM 论文笔记Abstract 摘要DOT（动态对象跟踪），这是一种添加到现有 SLAM 系统的前端，可以显着提高其在高动态环境中的鲁棒性和准确性。 DOT 结合实例分割和多视图几何为动态对象生成掩码，以允许基于刚性场景模型的 SLAM 系统在优化时避免此类图像区域。为了判断潜在动态对象实际是否移动，DOT 分割潜在动态对象的第一个实例，然后使用估计的相机运动，通过最小化光度重投影误差来跟踪这些对象。最后，只生成实际

Semantic SLAM With More Accurate Point Cloud Map in Dynamic EnvironmentsAbstract 摘要SLAM系统在动态环境下构建的全局点云图的质量与相机位姿估计和局部点云图中噪声块的去除有关。多数动态SLAM系统主要是提高相机定位精度，但对噪声块去除的研究很少。本文提出了一种新的语义SLAM系统，该系统具有更精确的动态环境点云地图。我们通过BlitzNet获得了图像中动态对象的蒙版和边界框。通过在边界框中分析mask(掩模)的深度统计

Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation可微的SLAM-net:可以学习的粒子SLAM视觉导航Abstract 摘要引入differentable的SLAM-net和一个导航体系结构，使得平面机器人在未知的室内环境中进行导航。SLAM-net在可微计算图中编码基于粒子滤波的SLAM算法，并通过SLAM算法反向传播学习面向任务的神经网络组件。在RGB和RGB-D数据集中进行了实验，在有噪声的环境中显著优于O

DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM论文笔记参考文章知乎 https://zhuanlan.zhihu.com/p/383657160优快云 https://blog.youkuaiyun.com/catpico/article/details/119954707动态SLAM：现有三种方案思路：检测动态的区域，然后在SLAM环节去除在定位之外的环节，把包含动态内容的图片转换成静态内容的图片（DynaSLAM I中去除

DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes论文笔记+++这是一种建立在ORB-SLAM2上的视觉SLAM系统，同时增加了动态物体检测和背景修复功能。DynaSLAM在单目、立体、RGB-D传感器下的动态场景中均有鲁棒性。作者通过使用多视几何、深度学习或者两者兼有的方法实现移动物体的检测。并且通过对动态物体遮挡的背景帧进行修复，生成静态场景地图。主要创新点：提出了基于ORB-SLAM2的视觉SLAM系统，通过增加运动分割

OV2SLAM : A Fully Online and Versatile Visual SLAM for Real-Time Applications论文笔记系统框架：四线程：前端、建图、状态优化和回环检测其中，回环检测部分是基于the online Bag-of-Words (BoW) algorithm iBoW-LCD相关论文 [ ibow-lcd: An appearance-based loop-closure detection approach using incremental

Ubuntu16.04+ROS环境+Kinect V1复现ORB-SLAM2全流程前言看过高翔博士的《SLAM十四讲》（第二版）后，一直想复现一下经典的视觉SLAM开源方案，这段时间正好开学的事情已经安定下来，并且听说ORB-SLAM3已经开源了，故选择经典的ORB-SLAM系列开源算法进行复现。这次的文章主要是记录一下复现的流程和一些参考文章中没有提到的小问题的解决方法，大部分都是参考其他文章进行的操作，如有疏漏，敬请指出。首先是给出ORB-SLAM系列的Github源码地址ORB-SLA