论文阅读汇报

DSP-SLAM-Object Oriented SLAM with Deep Shape Priors：

本文提出的DSP-SLAM是一个面向对象的SLAM系统，可以在单目、双立目或双目+激光雷达三种输入模式下以10帧/秒的速度进行工作。

其先利用基于特征的SLAM系统（如ORB-SLAM2）进行三维点云重建，双目+激光雷达系统利用ORB-SLAM2作为SLAM主干网，将重建的三维点云作为输入，该方法通过语义实例分割来检测对象，利用类别特定深度形状嵌入作为先验，通过一种新的二阶优化方法来估计对象的形状和姿态。通过利用对象形状先验，为前景对象构建了一个丰富而精确的稠密3D模型的联合地图。在物体形状和姿势估计方面，在定量和定性上改进了自动标记，这是一种最先进的基于先验知识的物体重建方法。另外，地图还用稀疏的地标点来表示背景环境。在联合因子图中对其进行优化，将基于特征的方法和对象感知SLAM（高级语义地图）的最佳特性结合起来。

与之类似的Node-SLAM也在实时SLAM系统中纳入了形状先验知识，但它使用稠密的深度图像进行形状优化，而DSP-SLAM可以仅使用RGB单目图像流进行计算，并且每个对象只需要50个3D点即可获得准确的形状估计。尽管FroDO和DSP-SLAM都可以在单目RGB设置下运行，但FroDO是一种缓慢的批量方法，需要提前获取所有帧并与它们的相机姿态关联，而DSP-SLAM是一种在线、连续的方法，可以每秒运行10帧。

LT-mapper A Modular Framework for LiDAR-based Lifelong Mapping：