可变场景SLAM提纲1

可变场景SLAM提纲1 可变场景SLAM是指在动态环境下，SLAM系统如何稳定地进行定位和建图。该问题的核心在于对画面中运动部分和静止部分进行区分，并根据不同的方法对运动物体进行跟踪和定位。 1.1 基于运动分割的方法 运动分割是指将图像分成静态区域和动态区域，并将运动区域剔除，以便构建静态地图进行定位。该方法的核心在于运动区域的提取，可以通过鲁邦的统计方式、外部传感器和深度学习等方法来实现。 1.2 基于运动物体跟踪的方法 运动物体跟踪是指提取并跟踪各个运动物体，以便建立时序上的约束。该方法的核心在于将问题看做特征对应的聚类问题，即找出不同运动模式的物体分别进行跟踪，并利用跟踪的结果作为下一帧分割和位姿估计的先验。 1.3 联合求解运动分割、位姿估计、和三维结构恢复的方法 该方法考虑多个独立的刚体运动物体（multi-body SfM）或是局部刚体运动（non-rigid SfM），并基于因子化来同时恢复运动和结构。该方法的核心在于将问题转化为求解n个独立运动的观测矩阵，每个观测矩阵可以分解为运动矩阵和结构矩阵相乘的形式。 2 长时变化环境下的定位 长时变化环境是指环境在一定时间之后，场景可能会发生一点范围的变化。该问题的核心在于维护可动态调节的鲁棒地图以及在地图发生微调时进行定位。 2.1 物体为中心的方法 该方法主要检测并删除或检测并调整地图中发生运动的物体。该方法基于静态世界假设，将场景中发生运动的区域剔除，只依赖静态地图进行定位。 2.2 分别构建静态和动态物体地图 该方法通过维护动态地图，运动区域的检测和静态地图的构建更加可靠，该方法和基于dynamic object segmentation的SLAM方法相类似。 2.3 4D地图 该方法建模了环境在时序上的变化情况，并且不考虑引起变化的原因。该方法的核心在于维护4D地图，保证了整个环境在时间上的consistency，同时，为定位提供可靠的先验信息。 SLAM系统在可变场景下的稳定定位和建图是指通过不同的方法对运动物体进行跟踪和定位，并维护可动态调节的鲁棒地图以适应环境的变化。