动态环境下SLAM

当搭载相机的移动载体在执行定位和建图等任务时，面对环境中出现的动态物体，需要考虑以下3 个问题：
1.对移动物体如何检测、分割和跟踪？
2.如何消除动态物体对位姿估计的影响，保持系统的鲁棒性？
3.构建地图时对运动物体如何处理，是直接丢弃还是跟踪重建？
针对上述问题，根据动态SLAM 在定位与建图时对动态物体的不同处理方式，将现有动态SLAM的研究分为3 个方向：
一是动态鲁棒性SLAM 与静态背景重建，即将动态特征作为异常值丢弃，实现精准定位，并在建图时剔除动态物体，构建3 维稠密静态背景地图或语义地图；
二是非刚性动态物体跟踪重建，即直接忽略静态背景，只对场景中的非刚性动态物体进行跟踪重建；
三是移动物体跟踪与重建，即同时处理场景中的静态和动态成分，跟踪移动物体，确保其上的特征不被用于相机位姿估计，以保证系统鲁棒性，或者更进一步，同时估计相机运动和移动物体运动，且对多移动刚性物体进行跟踪重建，并添加到背景地图中。
针对环境中的动态物体，关于vSLAM 的一个直接想法是从输入数据中提取动态成分，并将其作为异常值而明确丢弃，不参与位姿估计与建图。在典型vSLAM 方案中ORB-SLAM系统利用RANSAC （random sample consensus）算法进行外点过滤，而在PTAM（parallel tracking and mapping）方法中则使用鲁棒核函数进行处理，以应对场景中的小移动物体。
一、基于几何的方法：
1.定义两个几何约束来检测动态特征；
第1个约束来自对极几何，该约束指