出处:arXiv 2020(Citations:65)
Paper:https://arxiv.org/abs/2006.12567
github:https://github.com/changhao-chen/deep-learning-localization-mapping
阅读的出发点:从 如何写一篇Review/Survey 的角度看这篇综述论文,没有牵扯到比较深层次的内容;
文章整体:文章名称还给了一个补充:Towards the Age of Spatial Machine Intelligence,即迈向空间机器智能时代(Introduction中做了略微的解释);正文19面,参考文献255篇;感觉作者这个8节的目录有点乱,没有什么联系,第二节Taxonomy of Existing Approaches还特意介绍了方法分类(即目录)。
Notes
Abstract:上来直接夸这个课题方向多热门,相关工作很多;然后开始引入综述论文,。
1. Introduction
(如何讲故事)方向标题的基本概念,上游的任务;其中基本概念包括子方向的基本概念,因为综述论文可能是两个或者多个方向的融合。
- 1.1Why to Study Deep Learning for Localization and Mapping:这部分在介绍这个课题具体方法研究的重要性,也就是研究这个课题的潜力。(这个部分就直接对接要入门这个领域的研究者);这里给了图1:一个很简单的吧输入输出关系图。
- 1.2. Comparison with Other Surveys:简述了和其他Review/Surveys,以及对比情况,然后说本篇文章对应的方向领域很有意义,同时难度很大,也是第一篇xxx的工作。
- 1.3. Survey Organization:Review/Surveys论文很长,一般都会说说自己文章的组织(也是充字数)
2. Taxonomy of Existing Approaches
该部分就介绍了现有方法及其分类,给了图2:这个领域的方法分类图,细分了子领域和各自领域中的方法,这个图是综述论文必不可少的一张图;该部分还简要介绍了下面各个章节3. Odometry Estimation、4. Mapping、5. Global Localization、6. SLAM的主要问题定义和思想。
这里给了图3:一个方法分类在整体框架上的大图,图中还涉及到具体的论文索引。
3. Odometry Estimation
这里就拆分成子领域和具体的领域方法类别开始介绍,比如Odometry Estimation包括:VO、VIO、IO、LO,其中VO又包括:Supervised Learning of VO、Unsupervised Learning of VO、Hybrid VO;最后对几种类型的VO进行了比较。
- 3.1 Visual Odometry:这里介绍了该部分的工作,给了部分简短的公式;图4:两种不同类型的VO网络框架的对比,框架图完全摘自参考论文,只是把两张图放到了一起;这里还在每节的末尾给出了自己看的看法/总结;图5:这里画了张图,对比不同种类的方法在KITTI数据集上的效果,x轴是时间。
- 3.2. Visual-Inertial Odometry:先介绍一下方法再引入工作,最后有总结。
- 3.3. Inertial Odometry:同上。
- 3.4 LIDAR Odometry:同上。感觉作者侧重(or bias,亦或说这个领域的工作就是这个分别)在VO上,VIO、LO、IO介绍的都很少。
- 3.5. Comparison of Odometry Estimation:这里就是以KITTI数据集上各个算法的效果进行对比分析总结;表1:汇总了上面的各个方法并进行了对比列出来,标注了分类、Model、传感器、dl方法(监督/无监督/混合)、KITTI两个序列上的表现、以及贡献点。
4. Mapping
给了Mapping的定义,本节组织结构;表2:总结了Mapping部分的相关方法。
- 4.1. Geometric Mapping:分几类分别叙述;图6:给出了不同表示方式的可视化。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IDwlkaGC-1660052018032)(C:\Users\DELL\Desktop\Object-SLAM-Review\Review_Paper\Other-Review\Review_Demo[Review_Demo]A Survey on Deep Learning for Localization and Mapping\IMG\6.png)]
- 4.2. Semantic Map:同上。图7:不同表示方式的可视化。
- 4.3. General Map:叙述相关方法。
5. Global Localization
这里给下面几个细分的子领域,每个领域都花了一张图,表2、表3、表4,和表1的格式类似。
- 5.1. 2D-to-2D Localization:介绍相关工作;
- 5.2. 2D-to-3D Localization:介绍相关工作;
- 5.3. 3D-to-3D Localization:介绍相关工作;感觉dl直接怼网络框架对比图也是绝了;
6. SLAM
简要介绍SLAM,表6:下面不同方向的方法表格(这表格好捞啊,那么简单)
- 6.1. Local Optimization、6.2. Global Optimization、6.3. Keyframe and Loop-closure Detection、6.4. Uncertainty Estimation:简要介绍相关方法。
7. Open Questions
该部分列举了几个问题,包括:不同方法的对比、深度学习方法在真实世界的对比、新型传感器以及其他指标效果,
8. Conclusions
总结一下本文的工作量,聊了一下领域的情况,畅想未来。
Personal Summary
1. 综述论文的出发点
综述论文的目的是在于帮助领域初学者梳理领域基本问题、现状、方法分类、各个方法的优缺点、SOTA、目前的问题以及未来的发展趋势,所以综述论文应该从初学者读者阅读角度思考撰写。
2. 文章组织框架
按照这篇论文的情况,将一个topic划分为不同方面,在不同方面划分成不同小领域,在不同小领域上按照方法的不同进行分析对比、叙述。
3 . 如何判断一个方向现在适不适合写Review
参考上面2,判断一个方向能不能写综述,我觉得应该看你能不能把这个方向 不同方面 划分开,再将不同方面下的不同方法展开成小领域分支,最后看是否有相应的论文在小领域上支撑起内容
另外涉及到统一子领域不同方法之间的对比,需要统一的榜单(即数据集)上进行对比参考。
4. 本文总结
本文按照一个比较标准的综述文献书写方式,并在很多地方表达了作者自己的看法和意见。