Qin, Tong, Peiliang Li, and Shaojie Shen. “VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator.” IEEE Transactions on Robotics 34, no. 4 (August 2018): 1004–20. https://doi.org/10.1109/TRO.2018.2853729.

1 Introduction

集成IMU 观测可通过减少由于光照变化、纹理稀少区域或运动模糊造成的视觉跟踪精度损失，来大幅提高运动跟踪的表现。但是，单目VINS (Visual-Inertial System) 在使用中也有一些问题需要解决：

1. 第一个问题是初始化困难：由于缺失直接的距离观测，很难直接将单目视觉结构与惯性测量进行融合；
2. 其次是VINS 严重的非线性问题：这会在估计器初始化过程中带来巨大的挑战，再大部分场景中系统需要放置在一个位置已知的静态区域，然后缓慢小心地移动，这会极大限制系统的应用场景；
3. 另一个问题是VIO 的长期漂移问题：为了消除累积漂移，会使用回环检测、重定位及全局优化技术；
4. 此外还有对于地图保存与重使用的需求正在不断增长。

Bescos, Berta, Jose M. Facil, Javier Civera, and Jose Neira. “DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes.” IEEE Robotics and Automation Letters 3, no. 4 (October 2018): 4076–83. https://doi.org/10.1109/LRA.2018.2860039.

1 Introduction

本文提出的DynaSLAM 是在ORB-SLAM2 基础上增加一个前端模块，来处理环境中的动态物体。对于单目和双目相机，使用CNN 产生物体的像素级语义分割结果，剔除掉先验动态物体中的特征点；对于RGB-D 相机，结合多视图几何模型和CNN 来检测动态物体，从图片中移除动态物体并进行场景恢复。

Zhong, Fangwei, Sheng Wang, Ziqi Zhang, China Chen, and Yizhou Wang. “Detect-SLAM: Making Object Detection and SLAM Mutually Beneficial.” In 2018 IEEE Winter Conference on Applications of Computer Vision (WACV), 1001–10, 2018. https://doi.org/10.1109/WACV.2018.00115.

Abstract

本文提出的Detect-SLAM 较其他SOTA 方法的优势：

1. 通过利用物体检测器完成对移动物体上的不可靠特征点进行剔除，极大地提高了SLAM 算法在动态环境中的准确性与鲁棒性；
2. 在线构建一个实例级语义地图；
3. 通过利用物体语义地图来提高物体检测器性能，使得其在挑战性环境中可以更有效地识别出物体。

Zhang, Liang, Leqi Wei, Peiyi Shen, Wei Wei, Guangming Zhu, and Juan Song. “Semantic SLAM Based on Object Detection and Improved Octomap.” IEEE Access 6 (2018): 75545–59. https://doi.org/10.1109/ACCESS.2018.2873617.

1 Introduction

基于ORB-SLAM2，利用YOLO 实现物体检测，剔除掉先验动态物体上的特征点，提高精度；并建立物体级语义八叉树地图，且优化了制图的速度。

本文的贡献：

• 本系统可以检测80-200 种物体种类，而现有的语义制图系统只能检测不超过20个种类；
• 本系统不需要先验3D 模型就可以实现对环境中物体的3D 建模；
• 本系统利用的是物体级模型信息，而不是像素级的。

Gawel, Abel, Carlo Del Don, Roland Siegwart, Juan Nieto, and Cesar Cadena. “X-View: Graph-Based Semantic Multi-View Localization.” IEEE Robotics and Automation Letters (RA-L) 3, no. 3 (2018): 1687–94.

1 Introduction

本文做出的贡献：

1. 提出一个新颖的语义拓扑图表示方法；
2. 引进了一个基于随机游走的图描述子，可以有效地使用既定的匹配方法进行高效匹配；
3. 用于全局定位的语义分割完整pipeline；
4. 开源X-View 算法；
5. 公开数据集的测试结果。

Lianos, Konstantinos-Nektarios, Johannes L. Schönberger, Marc Pollefeys, and Torsten Sattler. “VSO: Visual Semantic Odometry.” In Computer Vision – ECCV 2018, edited by Vittorio Ferrari, Martial Hebert, Cristian Sminchisescu, and Yair Weiss, 11208:246–63. Lecture Notes in Computer Science. Cham: Springer International Publishing, 2018. https://doi.org/10.1007/978-3-030-01225-0_15.

1 Introduction

作者认为，VO 的核心问题在于数据关联DA。

通常来讲，有两种方法来减少VO 中的漂移：

1. 方法一：利用连续图片之间的短期关联来进行偏移矫正；
2. 方法二：利用回环检测实现长期关联。

传统的几何特征（点、线、面）在光照、视角变化下鲁棒性较差，不能在长距离上保持持续跟踪，而语义特征作为更高级的特征，语义特征在光照、视角、尺寸发生较大变化时仍然可以保持不变，使得中期关联成为可能，如Fig. 1所示。

Civera, J., D. Galvez-Lopez, L. Riazuelo, J. D. Tardos, and J. M. M. Montiel. “Towards Semantic SLAM Using a Monocular Camera.” In 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems, 1277–84. San Francisco, CA: IEEE, 2011. https://doi.org/10.1109/IROS.2011.6094648.

1 Introduction

本文提出了一种语义SLAM 算法，本算法将传统无意义的特征点和物体融合进到地图中。

本算法融合了三个不同领域的SOTA：

1. 一个EKF 单目SLAM 提供相机位姿的在线实时估计，以及包含点特征的稀疏地图；
2. 利用 Structure from Motion (SfM) 从稀疏图片中计算一个物体模型数据库；
3. 视觉识别来检测图片流中物体是否存在。

Mur-Artal, Raul, and Juan D. Tardos. “ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras.” IEEE Transactions on Robotics 33, no. 5 (October 2017): 1255–62. https://doi.org/10.1109/TRO.2017.2705103.

1 Introduction

本文的贡献：

1. 第一个适用于单目、双目以及RGB-D 相机的开源SLAM 系统，该系统包含回环检测、重定位以及地图重用；
2. 本系统运行RGB-D 的结果证明：使用BA 可以实现比基于ICP 或者光度深度误差最小化的SOTA 方法更高的精度；
3. 通过使用近远立体点和单目观测，本系统运行双目的结果要比直接双目SLAM 的 SOTA 算法精度更高；
4. 提出了一种关闭制图功能情况下，有效重使用地图的轻量级定位模式。

Mur-Artal, Raul, J. M. M. Montiel, and Juan D. Tardos. “ORB-SLAM: A Versatile and Accurate Monocular SLAM System.” IEEE Transactions on Robotics 31, no. 5 (October 2015): 1147–63. https://doi.org/10.1109/TRO.2015.2463671.

1 Introduction

本文的贡献如下：

1. 对所有任务使用相同的特性：tracking, mapping, relocalization and loop closing, 这使得我们的系统更加高效、简单且可靠；使用ORB 特征，可在CPU 上实现实时运行，且具有较好的视角、光照不变性；
2. 利用共视图使得跟踪与制图都聚焦于一个局部共视区域，从而实现在大规模环境中地实时操作，可不受全局地图尺寸地影响；
3. 基于位姿图优化的实时回环检测（作者称其为 Essential Graph），其构建于系统维护的spanning tree、回环连接以及共视图中的线；
4. 基于良好的视角和光照不变性实现的实时相机重定位，可在跟踪失败时进行重初始化，并增强了地图的重用性；
5. 提出一个基于模型选择的自动鲁棒的初始化程序，可为平面和非平面场景创建一个初始化地图；
6. 对于地图点和关键帧采取“适者生存” survival of the fittest 策略，在生成时非常宽松，而在剔除时非常严格，该策略提高了跟踪的鲁棒性，且由于冗余的关键帧被舍弃了，从而增强了 lifelong operation。

Runz, Martin, and Lourdes Agapito. “Co-Fusion: Real-Time Segmentation, Tracking and Fusion of Multiple Objects.” In 2017 IEEE International Conference on Robotics and Automation (ICRA), 4471–78. Singapore, Singapore: IEEE, 2017. https://doi.org/10.1109/ICRA.2017.7989518.

3 Overview of our Method

Co-Fusion 是一个可以实时处理每一帧输入图片的RGB-D SLAM 系统，本系统为场景中每一个分割的物体存储模型，而且可以独立跟踪它们的运动，每个模型是由一组3D 点构成的。本系统维护两组物体模型：当前在视野中可见的active 模型，以及曾经观测到的模型，但是目前不在视野中，记为inactive 模型。本系统的框架如Fig. 2所示，在初始化阶段，场景只包含一个active 模型——背景，初始化完成后，按照Fig .2的流程处理每一帧图片。