DOT: Dynamic Object Tracking for Visual SLAM “ 2021 IEEE International Conference on Robotics and A

摘要：本文提出了DOT（Dynamic Object Tracking），这个DOT可以作为前端添加到现存的slam算法中增加在动态环境中的精度和鲁棒性。

Object instance segmentation部分采用Deep Learning的方法，由于这部分计算量很大，无法实现实时性，作者采用了mask propagate 的方法。这个mask propagate 方法有很多方法都可以做到，这部分不做详细的介绍。

相机的追踪，采用了最小化重投影后的光度误差的方式。如下面的式子，优化蓝色的部分，exp（）并表示的做扰动，感觉没有必要在论文中写成这样的形势，图曾理解的困难。

物体的追踪也采用的重投影光度误差，表达形式与上述方式类似。当我们获取了前后相机相对比较准确的位姿的变换关系，优化物体的六自由度的移动（式子中的红色的部分）使得下面的式子的loss最小即可。

动态物体的判断：作者并没有采用计算出的To来直接判断目标物体是不是动态物体。采用了在图像坐标系下计算dynamic disparity的方式。使用大白话来表示是，当物体移动矩阵是To的时候把点投影到图像上，假设物体不移动（这种情况下To是单