Paper閱讀：Dynamic-SLAM

前言

論文原文：Semantic monocular visual localization and mapping based on deep learning in dynamic environment
在動態環境中工作時，由於動態對象的干擾，傳統的SLAM框架的性能很差。 通過在對象檢測中利用深度學習的優勢，提出了一種語義動態的動態地圖定位和映射框架Dynamic-SLAM，以解決動態環境中的SLAM問題。

本文的主要三大貢獻：

1. 針對SLAM系統提出了一種基於相鄰幀速度不變性的丟失檢測補償算法，提高SSD的recall rate，爲後續模塊提供了良好的依據。

2. 提出了一種選擇跟蹤算法，以一種簡單有效的方式消除動態對象，提高了系統的魯棒性和準確性。

3. 構建了基於特徵的可視化動態SLAM系統。 構建了基於SSD的目標檢測模塊線程，並將其檢測結果作爲先驗知識提升SLAM性能。

主要希望解決問題：動態環境下的SLAM。

Missed detection compensation algorithm(漏檢補償算法)

傳統目標檢測任務無法通過上下文信息來提高檢測精度。但SLAM中，視頻幀按時間順序到達時，檢測結果將以柔和的方式掃描到先前的幀中，從而預測下一個檢測結果，從而避免丟失或丟失。 對於SLAMIDE問題中的動態對象檢測任務，Recall rate更加重要。

$\frac {TP}{TP+FN}$

模型基於以下合理假設：動態對象的運動速度在短時間內趨於保持恆定（即加速度趨於0）。
用$v$表示動態物體的速度，用$a_{max}$表示像素平面中動態物體速度變化率的閾值。那麼有以下關係：$\Delta v<=a_{max}$

先前幀和當前幀之間的相應邊界框可以通過$∆v$確認，也就是說可以預測上一幀物體在當前幀的位置。
下面的$^Ka_i$就表示預測的物體center位置，由上一幀物體位置+前幾幀該物體位移的平均值+容錯閾值 組成。
$^K\hat{c}$表示物體最後估計的center，也就是漏檢補償的座標，由上一幀物體位置+前幾幀該物體位移平均值組成。

算法：已知SSD會輸出檢測物體的list，那麼遍歷當前幀中上一幀出現過得物體list，預測這些物體在當前幀的bbx位置，再遍歷當前幀所有的bounding box是否有被預測框包含，如果有則說明在這一幀被檢測到了，如果沒有表示沒有檢測到，那麼就把這個物體加上。

效果：

Seletive Tracking Method（選擇跟蹤算法）

作用：不提取/少提取有dynamic object 的特徵點，減少Bundle Adjustment求解的誤差。

作者提出把一些常見動態物體打分，但是後面似乎沒有說到要用到這個分值。

SLAM執行特徵點採集匹配後，往往會執行pnp求出pose的初值，然後再用BA最小化重投影誤差：

Dynamic-SLAM中，把動態物體區域（Mask）設爲1，非動態物體區域設爲0：

核心在於以下式子，13式是計算靜態點的平均位移，12式是計算動態點的位移是否超過 靜態點的平均位移×閾值，如果超過了就說明這個動態點在移動，不適合作爲BA求解的一份子，剔除該特徵點。

整體算法如下：遍歷當前幀的特徵點，計算靜態點的平均位移。
如果是動態點，就看它是否小於所有靜態點的平均位移（這裏還要×一個係數），以此來判斷這個動態點是否在動。

效果如下：

總結

這篇論文是我第一篇看的語義slam，之前聽很多人推薦過（估計是因爲開源的緣故？），他的側重點不在於建圖，而在於使SLAM更加精確，消除了部分動態物體對pose求解造成的影響。相對於其他理論算法的提升，似乎深度學習+SLAM的搭配更加容易，但後續還會再看看類似的領域看有沒有更加創新的思維。