视觉SLAM中动态场景剔除总结

目前看了两篇论文总结一下：

1. DS-SLAM A Semantic Visual SLAM towards dynamic environments (2018)：这篇文章基于ORB_SLAM2, 利用帧间图像的光流跟踪，进行一致性检验（利用了基础矩阵，判断点极线距离的大小），找到运动的像素点。同时另开辟一个线程做Segmet 场景语义分割(只能分割20种物体)，认为人是可能运动的物体，如果运动的像素点在“人”的语义内，则把整个“人”内的ORB特征全部剔除掉，不参与跟踪优化。本文另外一个创新点是：又开辟一个线程做八叉树地图，利用log add评分法，直到一个体素内的分值超过一个阈值才会加入到地图中。同时八叉树地图的体素用不同颜色表示。不同颜色表示不同的语义信息。
2. Improving RGB-D SLAM in dynamic environments: A motion removal approach(2017RA System)：本文基于RGB-D system开发，利用两帧彩色图估计出他们的基础矩阵，然后将上一帧彩色图利用基础矩阵变换到当前彩色图，找到动态的点，之后用例子滤波跟踪这部分的点。第二步用矢量量化 深度图（相当于语义分割）。利用跟踪到的动态点来剔除语义分割的地图。