论文阅读：动态目标6D位估计【Estimating Metric Poses of Dynamic Objects Using Monocular Visual-Inertial Fusion】

论文阅读笔记：动态目标6D位估计【Estimating Metric Poses of Dynamic Objects Using Monocular Visual-Inertial Fusion】
这篇文章是为了解决动态目标6D位姿跟踪与估计问题，估计物体在世界坐标的位姿，使用slam算法，附有视频。
特点：
单目摄像头（不含深度）+IMU+动态目标
简介：
1、传统的SLAM方法只关注静态环境，忽略了环境中的动态目标，静态环境+动态目标才是完整的全感知系统。
2、6D位姿估计的挑战来源于公制尺度或者是真实深度，不能直接从单个摄像头获取。
3、 OptiTrack和Vicon可以跟踪动态目标，但是需要安装反射标记物。
相关工作：
1、商业中通过特定标志物主动跟踪位姿，被动跟踪系统（体育运动分析、交通监测）通常不是合作目标。基于地面固定相机跟踪UAV的轨迹的系统被提出（也是沈邵劼团队工作）。
2、ARUCO tag被用于跟踪3D动态目标，然后通过检测tag来估计位姿；另外还有通过传统特征BRISK等匹配，但这些都需要预先建模
3、第一次用单目相机估计6D位姿方法：通过卷积网络和预先定义语义关键点。G. Pavlakos, X. Zhou, A. Chan, K. G. Derpanis, and K. Daniilidis,“6-dof object pose from semantic keypoints,” arXiv preprint arXiv:1703.04670, 2017.
4、基于学习的方法不足：系统无法辨识真实汽车和汽车模型。<