Paper阅读：Dynamic-SLAM

前言

论文原文：Semantic monocular visual localization and mapping based on deep learning in dynamic environment
在动态环境中工作时，由于动态对象的干扰，传统的SLAM框架的性能很差。 通过在对象检测中利用深度学习的优势，提出了一种语义动态的动态地图定位和映射框架Dynamic-SLAM，以解决动态环境中的SLAM问题。

本文的主要三大贡献：

1. 针对SLAM系统提出了一种基于相邻帧速度不变性的丢失检测补偿算法，提高SSD的recall rate，为后续模块提供了良好的依据。

2. 提出了一种选择跟踪算法，以一种简单有效的方式消除动态对象，提高了系统的鲁棒性和准确性。

3. 构建了基于特征的可视化动态SLAM系统。 构建了基于SSD的目标检测模块线程，并将其检测结果作为先验知识提升SLAM性能。

主要希望解决问题：动态环境下的SLAM。

Missed detection compensation algorithm(漏检补偿算法)

传统目标检测任务无法通过上下文信息来提高检测精度。但SLAM中，视频帧按时间顺序到达时，检测结果将以柔和的方式扫描到先前的帧中，从而预测下一个检测结果，从而避免丢失或丢失。 对于SLAMIDE问题中的动态对象检测任务，Recall rate更加重要。

$$\frac{TP}{TP+FN}$$

模型基于以下合理假设：动态对象的运动速度在短时间内趋于保持恒定（即加速度趋于0）。
用$v$表示动态物体的速度，用$a_{max}$表示像素平面中动态物体速度变化率的阈值。那么有以下关系：$\Delta v<=a_{max}$

先前帧和当前帧之间的相应边界框可以通过$∆v$确认，也就是说可以预测上一帧物体在当前帧的位置。
下面的${}^K{a}_i$就表示预测的物体center位置，由上一帧物体位置+前几帧该物体位移的平均值+容错阈值 组成。
${}^K\hat{c}$表示物体最后估计的center，也就是漏检补偿的坐标，由上一帧物体位置+前几帧该物体位移平均值组成。

算法：已知SSD会输出检测物体的list，那么遍历当前帧中上一帧出现过得物体list，预测这些物体在当前帧的bbx位置，再遍历当前帧所有的bounding box是否有被预测框包含，如果有则说明在这一帧被检测到了，如果没有表示没有检测到，那么就把这个物体加上。

效果：

Seletive Tracking Method（选择跟踪算法）

作用：不提取/少提取有dynamic object 的特征点，减少Bundle Adjustment求解的误差。

作者提出把一些常见动态物体打分，但是后面似乎没有说到要用到这个分值。

SLAM执行特征点采集匹配后，往往会执行pnp求出pose的初值，然后再用BA最小化重投影误差：

Dynamic-SLAM中，把动态物体区域（Mask）设为1，非动态物体区域设为0：

核心在于以下式子，13式是计算静态点的平均位移，12式是计算动态点的位移是否超过 静态点的平均位移×阈值，如果超过了就说明这个动态点在移动，不适合作为BA求解的一份子，剔除该特征点。

整体算法如下：遍历当前帧的特征点，计算静态点的平均位移。
如果是动态点，就看它是否小于所有静态点的平均位移（这里还要×一个系数），以此来判断这个动态点是否在动。

效果如下：

总结

这篇论文是我第一篇看的语义slam，之前听很多人推荐过（估计是因为开源的缘故？），他的侧重点不在于建图，而在于使SLAM更加精确，消除了部分动态物体对pose求解造成的影响。相对于其他理论算法的提升，似乎深度学习+SLAM的搭配更加容易，但后续还会再看看类似的领域看有没有更加创新的思维。