目前看了兩篇論文總結一下：
- DS-SLAM A Semantic Visual SLAM towards dynamic environments (2018)：這篇文章基於ORB_SLAM2, 利用幀間圖像的光流跟蹤，進行一致性檢驗（利用了基礎矩陣，判斷點極線距離的大小），找到運動的像素點。同時另開闢一個線程做Segmet 場景語義分割(只能分割20種物體)，認爲人是可能運動的物體，如果運動的像素點在“人”的語義內，則把整個“人”內的ORB特徵全部剔除掉，不參與跟蹤優化。本文另外一個創新點是：又開闢一個線程做八叉樹地圖，利用log add評分法，直到一個體素內的分值超過一個閾值纔會加入到地圖中。同時八叉樹地圖的體素用不同顏色表示。不同顏色表示不同的語義信息。
- Improving RGB-D SLAM in dynamic environments: A motion removal approach(2017RA System)：本文基於RGB-D system開發，利用兩幀彩色圖估計出他們的基礎矩陣，然後將上一幀彩色圖利用基礎矩陣變換到當前彩色圖，找到動態的點，之後用例子濾波跟蹤這部分的點。第二步用矢量量化 深度圖（相當於語義分割）。利用跟蹤到的動態點來剔除語義分割的地圖。