DynaSLAM II论文笔记：Tightly-Coupled Multi-Object Tracking and SLAM

DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM

论文笔记

参考文章

知乎 https://zhuanlan.zhihu.com/p/383657160 CSDN https://blog.csdn.net/catpico/article/details/119954707

动态SLAM：现有三种方案思路：

1. 检测动态的区域，然后在SLAM环节去除
2. 在定位之外的环节，把包含动态内容的图片转换成静态内容的图片（DynaSLAM I中去除动态目标并修复背景）
3. 一个小的却在发展的思路：把动态物体也放进问题里，不仅要去解决SLAM的问题，还要为动态物体的位姿提供信息。

本文选用思路3，大多数实现思路3的方式是使用传统的多目标跟踪算法来检测运动目标，并与SLAM自身位姿分开追踪，系统精度依赖相机姿态估计。

DynaSLAM II贡献如下：

a) 一种由高级的2D实例匹配算法——动态对象特征匹配方法。
b) 一种将相机、特征点和动态对象一起BA的新方案。
c) 边界框的解耦优化，以找出同一类对象之间的公共引用。
d) 我们的实验表明，相机运动估计和多目标跟踪是互利的。

方法

基于 ORB-SLAM2 的系统。输入是经过时间同步的双目或RGB-D图片，输出是每一帧中相机和动态物体的位姿，以及一个包括动态物体的空间/时间地图，采用语义和 实例 信息作为先验。思路如下：

1. 对于每一帧，都会对它进行像素级别的分割，这一帧图像
   免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删