1.传统slam局限性

        slam算法假设的环境中的物体都是处于静态或者低运动状态的
  
  
  
  
  
  
  
，然而 
  
  
  
  
  
  
 ，现实世界是复杂多变的 


 


 


 


 


 


 


 ，因此这种假设对于应用 环境有着严格的限制
 
 
 
 
 
 
 
，同时影响视觉slam系统在实际场景中的应用性              。当环境中存在动态物体时  
   
   
   
   
   
   
 ，会给系统带来错误的观测数据 

 

 

 

 

 

 

 ，同时降低系统的精度和鲁棒性  
 
  
 
  
 
  
 
  
 
  
 
  
 
 。通过RANSAC算法（随机采样一致性）的外点处理机制能够解决部分异常点对于算法的影响














。但是当动态物体占据空间的大部分时

 

 

 

 

 

 

 
，依然会影响位姿跟踪              ，所以需要检测运动的物体              、剔除动态区域的特征点 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，亦或者是降低在优化位姿的权重














，减少对视觉定位的影响
  
  
  
  
  
  
  。

 人身上为动态特征点                     ，要尽可能的去除  
  
  
  
  
  
  
 。

2.常用算法：

开源的系统（DS-SLAM  
 
  
 
  
 
  
 
  
 
  
 
  
 
 、Dyna-SLAM














、Co-Fusion）目前大部分的动态SLAM系统都是在ORB-SLAM2或者KinectFusion基础上改进得到的 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，很少部分会涉及到边缘SLAM的方法
 


 


 


 


 


 


 


。

用于检测动态区域或者特征点的常用方法有以下几种：

2.1基于深度学习的分割方法

利用深度学习技术能够很好地识别图像中特定的物体





















，结合运动物体的先验知识（汽车
  
  
  
  
  
  
  、行人  
  
  
  
  
  
  
 、动物）              ，能够很好的去除潜在的动态区域
 
 
 
 
 
 
 。 需要注意的是 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，对于移动的椅子
 


 


 


 


 


 


 


、停在路边的汽车













，该方法往往会做出错误的判断   
   
   
   
   
   
   
 。

深度学习在动态SLAM中的应用有两种形式：目标检测与实例分割（语义分割）
 

 

 

 

 

 

 

。

2.1.1目标检测（Object Detection）

目标检测的目标是找到图像中所有的待检测物体
  
  
  
  
  
  
  
，并用边界框标出该物体的位置 
  
  
  
  
  
  
 ，该方法的优点是检测速度快 


 


 


 


 


 


 


 ，但是缺点也很明显
 
 
 
 
 
 
 
，其只能用方框标出物体大概位置  
   
   
   
   
   
   
 ，不能实现精确分割 

 

 

 

 

 

 

 ，如果直接将方框内的特征点去掉

 

 

 

 

 

 

 
，会因特征点过少而影响定位精度

 

 

 

 

 

 

 。为了克服此问题              ，会通过图割法对方框中的图像进行进一步修剪 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，以得到更加准确的物体区域               。yolo和SSD

2.1.2语义分割（INstance Segmentation）

语义分割的目标是对物体进行像素级别的分割














，该方法的优点在于精度较高                     ，但是分割速度并不高 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，一般来说达不到实时的要求
 
 

 
 

 
 

 
 

 
 

 
 

 
 

。为了解决效率问题





















，一些论文提到只在关键帧中进行实例分割              ，然后通过传播模型得到普通帧的结果













。SegNet
 
 
 
 
 
 
 、Mask-RCNN

2.2基于多视图几何的方法

检测动态特征点的原理是用多帧图像的位姿约束,剔除误差较大的特征点                      。

极线约束:需要注意的是 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，当物体沿着极线的方向运动时













，该方法会失效 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

2.3基于光流/场景流的方法

2.3.1光流方法

对于两张图像
  
  
  
  
  
  
  
，稠密光流很好地描述了每个像素在二维平面中运动的情况 
  
  
  
  
  
  
 ，是检测运动区域很好的方法 


 


 


 


 


 


 


 ，一般来说运动物体的区域所产生的光流会远高于静态的背景区域





















。但是除了物体本身运动会产生光流
 
 
 
 
 
 
 
，相机的运动也会产生光流  
   
   
   
   
   
   
 ，为了消除相机运动的影响 

 

 

 

 

 

 

 ，通常会采用以下两种方案：

1.通过特征匹配计算二者之间的仿射变换

 

 

 

 

 

 

 
，对第一张图像进行校正              ，用校正后的图像与第二张图像计算稠密光流              。

2.结合语义信息得到初始静态背景的区域；计算两张图像之间的光流场；计算初始背景区域光流场的平均运动方向；光流场减去背景光流场得到最后的光流结果  
 
  
 
  
 
  
 
  
 
  
 
  
 
 。

OpenCV有很多关于稠密光流的函数 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，如DeepFlow














。

2.3.2场景流方法

所谓场景流（Scene Flow）














，就是光流（Optical Flow）的三维版本                     ，表述了图像点云中每个点在前后两帧的变化情况
  
  
  
  
  
  
  。光流由两帧图像即可得到 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，场景流则需要两帧双目图像或者RGBD图像来得到  
  
  
  
  
  
  
 。目前对场景流的研究还局限在实验室阶段





















，由于缺乏实际数据（打标成本太高）以及客观的评价指标              ，离工程应用还有不小的距离
 


 


 


 


 


 


 


。

 正如论文FlowFusion中所介绍的 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，场景流反映了世界坐标系下物体点云的3D运动情况













，也就是我们想要检测的东西；光流是二维图像中像素运动产生的
  
  
  
  
  
  
  
，并不简单是场景流投影至二维平面的结果 
  
  
  
  
  
  
 ，其还受相机运动（Ego motion）的影响 


 


 


 


 


 


 


 ，也就是说
 
 
 
 
 
 
 
，相机运动产生的Ego Flow和物体本身运动产生的Secne Flow叠加  
   
   
   
   
   
   
 ，并投影至相机图像平面上 

 

 

 

 

 

 

 ，便得到了我们观测的Optical Flow
 
 
 
 
 
 
 。

OpticalFlow=SceneFlow+EgoFlow

Secne Flow反应了物体的真实运动情况

 

 

 

 

 

 

 
，求得场景流便知道了运动的物体   
   
   
   
   
   
   
 。具体方法为：

1.计算两帧图像的初始位置              ，并进一步计算Ego Flow（相机）

2.计算两帧图像的光流场

3.二者相减得到3D场景流 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，投影至2D图像平面即得到了运动区域

2.4基于残差的方法

        最朴素的想法是计算每个点的误差大小（光度   
   
   
   
   
   
   
 、重投影误差等）
 

 

 

 

 

 

 

。可以应用在特征点上也可以应用在整个图像上














，因为要计算误差                     ，所以需要计算一个初始的位姿 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，计算位姿时一般会将当前图像与所维护的静态地图进行比较





















，因为每一帧图像都会对静态地图进行更新和维护              ，所以位姿计算也是比较准确地

 

 

 

 

 

 

 。

首先计算整张图像的残差 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，然后通过自适应阈值分割即可得到大致的动态区域













，最后经过形态学处理去除噪声影响即可               。

 3.性能比较

 传统SLAM算法与动态SLAM算法的轨迹对比
 
 

 
 

 
 

 
 

 
 

 
 

 
 

。

作者：Mr Qin













。如若转载
  
  
  
  
  
  
  
，请注明出处：古月居 https://www.guyuehome.com/34296