机器人的同时定位和地图是从未知环境中获取信息,建立地图,并在地图上定位机器人.无论在机器人学还是计算机视觉研究领域,动态环境都是实现SLAM的一大难题.这是因为现有的大多数SLAM方法和视觉里程计解决方案都是基于静态环境假设来保证其鲁棒性和效率的....当动态障碍物出现或观测环境发生变化时,这些方法不能提取足够可靠的静态视觉特征,从而导致特征关联不足,导致不同摄像机姿态之间的运动估计失败.为了处理动态环境,可视化SLAM的一个简单的想法是从输入数据中提取动态部分...近年来,基于深度学习的图像分割和目标检测方法得到了快速发展,在效率和精度上都有了很大提高.许多研究者试图通过语义标注或对象检测预处理来处理动态环境,以去除潜在的动态对象.这些方法在处理特定动态对象的特定场景中显示了非常有效的结果...下图是投影的2D场景在图像平面中流动,
是帧A中的一个对象点投影像素,
是帧B中的同一个3D点(属于移动对象).红色箭头表示场景流,这是世界空间运动.蓝色箭头是
中的光流.绿色箭头是图像平面中投影的...,这使得难以获得光流残差.脚部分被分割成静态背景,因为在行走阶段,地面上的支撑脚很容易被视为静态对象.虽然扫地脚移动得很快,并保留了大量的光流残余,但它们离坚硬的地面太近了.因此,由于图的连通性,它们很容易被分割成静态背景