weixin_51240747的博客

之前看了有关语义分割的SLAM，最近调研下动态场景下基于动态实例剔除的论文。DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments——2018 清华大学面向动态环境的语义视觉SLAM代码链接：https://github.com/ivipsourcecode/DS-SLAM摘要：本文提出了一种面向动态环境的鲁棒的语义可视化SLAM——DS-SLAM。DS-SLAM中5个线程并行运行:跟踪、语义分割、局部映射、闭环检测、密集语义图创

动态剔除以ORB-SLAM2为基础，使用R-CNN剔除从动态物体上提取到的ORB特征。

我们常用的SLAM库有ORB-SLAM、VINSMono、OKVIS、ROVIO等。这篇论文要介绍的是另一个开源库Kimera，它提供了3D网格重建功能和语义标注功能。它由四个模块组成：（1）VIO:用于快速和准确状态估计的视觉惯导测距模块。（2）RPGO:全局轨迹估计的姿态图优化器（3）Mesher：快速网格重建的轻型3D网格划分器模块（4）Semantics：密集的3D度量语义重建模块算法流程：输入：RGB图像、IMU（2）使用四个线程以不同速率容纳输入和输出（4）输出：（5）.