DynaSLAM

摘要

假设环境刚体性在SLAM算法中是典型的。这种强假设限制了大多数SLAM在真实环境中的使用，这是一些相关应用的目标，如服务机器人或自动驾驶。Bescos等人展示了DynaSLAM，一种视觉SLAM系统，建立在ORB-SLAM2上，增加了动态物体检测和背景修补。DynaSLAM在动态场景中是鲁棒的。作者能够通过多视图几何，深度学习或者两者同时来检测动态物体。得到的静态场景地图允许修补被动态物体遮挡的帧背景。DynaSLAM 超过了标准SLAM的表现在高动态环境中。同时，它也估计了环境静态部分的地图，对于真实环境的长期应用是必要的。

1. 介绍

SLAM是许多机器人应用的前提，例如无碰导航，SLAM技术联合估计未知环境的地图和机器人在该地图中的位姿。该地图允许机器人在相同场景中连续定位且没有累积误差。这和里程计方法相反，其整合窗口内的增量运动，并且在重新访问地点时不能修正漂移。

视觉SLAM，其中主要的传感器是相机，已经受到了很大程度的关注和过去几年研究人员的努力。单目相机的最小解决方案具有实际优势在大小，功率和代价上，还具有一些挑战例如尺度的不可观或者状态初始化。通过使用更复杂的设置，例如双目或者RGB-D相机，这些问题将会被解决并且视觉SLAM系统的鲁棒性能够被很大程度地提高。

研究社区已经从很多角度解决了SLAM。但是，大多数方法和数据集假设静态环境。因此，它们只能管理很少的动态内容通过分类它们为静态模型的外点。即使静态假设对于这些机器人应用成立，它限制了视觉SLAM在许多相关情形中的应用，例如在现实世界中长期操作的智能自主系统。

视觉SLAM能够被分类为基于特征的[2][3]方法，其依赖显著的点匹配并且只能估计一个稀疏的重建；和直接法[4]-[6]，其能够估计完全稠密的重建通过光度误差的直接最小化和TV正则化。一些直接法专注于高梯度区域估计半稠密地图[7][8]。

上述方法没有解决场景中动态物体的常见问题，例如人的行走，自行车或者汽车。检测和处理动态物体在视觉SLAM中揭示了一些挑战对于建图和跟踪，包括：

1）如何在图片中检测这种动态物体：

a）避免跟踪算法使用属于动态物体的匹配。

b）避免建图算法包含运动物体作为3D地图的一部分。

2）如何完整化3D地图中暂时被运动物体遮挡的部分。

沿着这些方向，许多应用将会受益。除了这些，AR，自动驾驶和医疗影像。所有这些将会从成功复用之前得到的地图。检测和处理动态物体是必须的来估计静态地图，对于长期应用非常有用。如果动态成分没有被检测到，它将变成3D地图的一部分，复杂化它的跟踪和重定位的应用。

在我们的工作中，我们提出一种在线算法来解决RGB-D，双目和单目SLAM中的动态物体。这被解决通过增加一个前端到SOTA ORB-SLAM2系统中，为了具有更准确的跟踪和复用场景地图的作用。在单目和双目例子中，我们的目的是使用CNN到逐像素的分割帧中的先验动态物体，从而SLAM算法不会提取它们上的特征。在RGB-D的例子中，我们提出组合多视角几何模型和基于深度学习的算法用于检测动态物体并且之后从图片中移除它们，去除遮挡背景的瑕疵通过场景的修正信息（图1）。

图1. DynaSLAM结果的综述在RBG-D情形下。

本文的剩余部分如下：第二节讨论相关工作。第3节给出我们方法的细节，第4节详细讨论实验结果，第5节展示结论和未来工作。

2. 相关工作

动态物体，在大多数SLAM系统中，被分类为虚假数据，并因此既不被包含在地图中也不被用于相机跟踪。最经典的外点拒绝算法是RANSAC（例如，在ROB-SLAM中[3][1]）和鲁棒代价函数（如，在PTAM中[2]）。

有一些SLAM系统解决了更具体的动态场景内容，在基于特征的SLAM中，最相关的为：

• Tan等人[9]检测发生在场景中的变化通过投影地图特征到当前帧中用于外观和结构验证。
• Wangsiripitak和Murray[10]跟踪场景中已知的3D动态物体。类似地，Riazuelo等人[11]解决人类行为通过检测和跟踪行人。
• 最近地，Li和Lee的工作[12]使用深度边缘点，其被加权关联以表示属于动态物体的概率。

直接法，一般来说，对于场景中的动态物体更敏感。为了动态场景设计的最相关的工作为：

• Alcantarilla等人[13]检测运动物体通过双目相机的场景流表示。
• Wang和Huang[14]分割场景中的动态物体使用RGB光流。
• Kim等人[15]提出获得场景的静态部分通过计算投影到相同平面中的连续深度图片的差异。
• Sun等人[16]计算连续R